Andrew机器学习第一课

批梯度下降算法：

     训练样本为一个时：更新Θi 让代价函数最小，利用沿梯度下降方向函数会变得越来越小。这个函数是代价函数J关于(Θi )的。这里并没有在讨论x，y。

      关于为什么式子（图是复制的）可以让代价函数趋向于最小值。参考博客：https://blog.csdn.net/ZengDong_1991/article/details/45563107

   对于多个训练算法，也是同理的，看函数图像时，可以根据梯度方向继续往下就可以让代价函数最小（老师在课上的解答）。用上个博客中说到的方法也能证明

https://blog.csdn.net/u012790625/article/details/76904598

https://blog.csdn.net/s9434/article/details/77369010

Andrew机器学习第一课

原文：https://www.cnblogs.com/yttas/p/9286485.html