一、Introduction
- 略
二、Linear Regression with One Variable
-
0 Model
本节课的问题是房价预测问题:
-
hypothesis (h_{ heta}(x)):是x的函数(对于一个固定的( heta_1))
-
cost function (J( heta_1)):是参数( heta_1)的函数
-
2 Gradient Descent
-
(1)针对这个单变量线性回归问题,如下图,有个要点:
-
(2)梯度下降算法公式:
[ heta_j := heta_j - alpha frac{partial}{partial heta_j} J( heta_0, heta_1)
]
无论(frac{partial}{partial heta_j} J( heta_0, heta_1))的符号是什么,( heta_1)都会收敛到使得cost function取得最小值的点,符号是正时,( heta_1)减小,符号是负时,( heta_1)增大。
-
(3)$alpha的值要合理
- 此外
[egin{aligned}
frac{partial}{partial heta_{j}} J( heta) &=frac{partial}{partial heta_{j}} frac{1}{2}left(h_{ heta}(x)-y
ight)^{2} \
&=2 cdot frac{1}{2}left(h_{ heta}(x)-y
ight) cdot frac{partial}{partial heta_{j}}left(h_{ heta}(x)-y
ight) \
&=left(h_{ heta}(x)-y
ight) cdot frac{partial}{partial heta_{j}}left(sum_{i=0}^{n} heta_{i} x_{i}-y
ight) \
&=left(h_{ heta}(x)-y
ight) x_{j}
end{aligned}
]
-
(5)一个梯度下降的例子
梯度下降的轨迹,初始值为(48,30)