![240](https://cdn2.jianshu.io/assets/default_avatar/9-cceda3cf5072bcdd77e8ca4f21c40998.jpg?imageMogr2/auto-orient/strip|imageView2/1/w/240/h/240)
文章寫(xiě)得很好蜜徽,代碼中error_function函數(shù)中 系數(shù) 1/(2m) 你寫(xiě)成了(1./2*m)祝懂。導(dǎo)致最終得到的誤差結(jié)果J(θ)= 405 多 。如果把原理再推倒一下就更好了
90f19bdd9d96 評(píng)論自深入淺出--梯度下降法及其實(shí)現(xiàn)
文章寫(xiě)的很好, 通俗易懂.
不過(guò)我有幾個(gè)地方卡殼了:
"求解出代價(jià)函數(shù)的梯度拘鞋,也就是分別對(duì)兩個(gè)變量進(jìn)行微分"這一段
代價(jià)函數(shù)J(Θ), 對(duì)Θ0和Θ1分別求偏導(dǎo), 如何得出文章中圖片給出的公式的?即?J/?Θ0, ?J/?Θ1
另外代碼實(shí)現(xiàn)之前的最后兩個(gè)公司
"將代價(jià)函數(shù)和梯度轉(zhuǎn)化為矩陣向量相乘的形式"這一段的公式
沒(méi)有理解是如何將代價(jià)函數(shù)轉(zhuǎn)換過(guò)來(lái)的.
請(qǐng)賜教, 謝謝
eb3cc50203b6 評(píng)論自深入淺出--梯度下降法及其實(shí)現(xiàn)