02-监督学习应用.梯度下降

标签：应用   需要   表示   符号   学习   训练   nbsp   依赖   The   

约定符号：

m = 训练样本数

X = 输入变量（特征）

Y = 输出变量（目标变量）

(X,Y) = 表示一个样本

$\left ( X^{(i)},Y^{(i)} \right )$ = 第i个样本（上标i不是指数）

 用线性表示则是：

$h\left ( X \right )=\Theta _{0}+\Theta _{1}X$

如果有2个特征则写成：

$h\left ( X \right )=\Theta _{0}+\Theta _{1}X_{1}+\Theta _{2}X_{2}$

这里的X是一个输入特征

如果需要让假设h对$\Theta$依赖，则写成

$h _{\Theta}\left ( X \right )=\Theta _{0}+\Theta _{1}X_{1}+\Theta _{2}X_{2}$

02-监督学习应用.梯度下降

标签：应用   需要   表示   符号   学习   训练   nbsp   依赖   The   

原文地址：https://www.cnblogs.com/Mjerry/p/9687795.html