有监督学习 回归 分类 无监督学习 聚类 m:训练样本的数量 x:输入变量,特征 y:输出变量,目标变量 (x,y):一个训练样本 (x(i),y(i)):第i个训练样本 hypothesis: hθ(x)=θ!+θ2x θi:模型参数 代价函数 回归模型 线性回归 梯度下降算法 最小化J a:=b 将a的值置为b α:学习速率 线性回归算法:梯度下降法+平方误差函数 batch梯度下降算法 线代: 向量: n*1矩阵 多元线性回归 梯度下降算法使用技巧 1.特征缩放 2.学习率α 标准方程法 (推导重点) 作者:u014606454