Machine Learing by Andrew Ng (1) —Linear regression and gradient descent.
机器学习有下面几种定义: “机器学习是一门人工智能的科学,该领域的主要研究对象是人工智能,特别是如何在经验学习中改善具体算法的性能”。
“机器学习是对能通过经验自动改进的计算机算法的研究”。 “机器学习是用数据或以往的经验,以此优化计算机程序的性能标准。”
一种经常引用的英文定义是:A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P, if its performance at tasks in T, as measured by P, improves with experience E.
代价函数
一元线性回归方程(h(x))在样本集中的不同位置分布产生不同的训练代价,m代表样本集的规模。训练的目的是为了使代价函数最小化。
Theta_0 为0时J of theta_1 为二维平面函数,观察其value变化特征 。
带有两个参数的代价函数是立体的,我们的目的就是努力寻找最低点。
为了方便学习,将J在二维平面上用等值线来表示(类比与地理中的等高线),试着找出最小化代价的位置。
*
梯度下降函数
- 根据当前所在位置实时求导,判断出下降最快的方向,并同步更新theta_0和theta_1的值,直至函数收敛。
Example1
alpha表示学习率,alpha过大会导致不断越过最低点,甚至使函数值过于发散,alpha过小梯度下降速率也随之变小。alpha is always a positive number
在局部最低点问题上,随着梯度的下降,梯度下降速率总会放缓。
实际函数式