吳大佬的網課——多變量線性迴歸1.0

之前一直是在討論數據集一個變量或者兩個變量下的情況，終於來到了多個變量的情況了，看到矩陣和向量就有些害怕呢。不過它的基本原理肯定還是沒有變的，還是有一個假設函數，然後有對應的代價函數，我們的目標還是最小化花費函數，如下圖
那運用梯度下降法時，有什麼變化呢?
除了要改變的參數增多外，一點變化都沒有，還是讓參數在梯度的對應維度下降一定距離

接下來又講了點梯度下降法的一點小技巧啦，比如對學習率的選取，不能太大，太大的話，有可能會直接越過局部最優解，反而讓學習率越來越大，但是也不能太小，太小的話變得太慢。還有就是均一化，通過對數據集同乘或者同除，來讓數據變得在近似範圍內，方便其梯度下降。