WEEK1.7-Cost Function Intuition II 发表于 2021-04-28 更新于 2021-08-08 分类于 ML 阅读次数: 3 评论: 本文字数: 348 阅读时长 ≈ 1 分钟深入学习代价函数的作用。理解代价函数J所表达的值,它们是什么样的,它们对应的假设是什么样的。以及什么样的假设对应的点更接近代价函数J的最小值 二元参数的代价函数的三维表示图:用上述三维图像用二维的轮廓图表示后: 显然最后一个图拟合度更好。我们真正需要的是一种有效的算法,能够自动地找出这些使代价函数J取最小值的参数θ0和θ1来。后续会遇到更复杂的、更高维度、更多参数的情况,这些情况很难画出图像来将其可视化。我们真正需要的是编写程序来找出这些最小化代价函数的θ0和θ1的值。下节将介绍一种算法能够自动地找出能使代价函数J最小化的参数θ0和θ1的值。相关文章WEEK1.9-Gradient Descent For Linear RegressionWEEK2.1 环境设置WEEK2.2.1 多重特征量WEEK2.2.2 多变量的梯度下降WEEK2.2.3 特征缩放法