理论基础
现在比如有两个参数的损失函数此时比如我们站在此点上，想要快速到达谷底(也就是使J函数达到极小值)。此时我们放眼望去，环望四周，很自然的向此时坡最陡的方向的下方迈上一步，接着在继续重复我们的过程，直到四周都比当下高 (此时)为止，就是走到谷底(J函数达到极小值)，完成目标。
这时会不会有人问为什么会是极小值。
这时我们重新找一个点
跟上面的过程一样，我们再走一遍
你瞅瞅，是不是到达另一个谷底。所以说，这种方法找的是局部的最小值，也就是全局的极小值。这种方法就是梯度下降算法。 此时介绍梯度下降算法，简单起见，我们从一个变量开始，比如此时我们的损失函数J是
此时的导数值为正数，我们要向它的相反方向走一步，到达如图所示点
不断的重复上面公式的过程，直到
我们再考虑随机点在左边的情况。比如取点如图所示：
此时的J在theta_1点的导数
此时我们应该向右走，则此时的表达式为
更新后
跟上面的过程一样，直到更新到导数为0或特别小为止。 由此可见，无论导数正负，表达式一样。所以我们规定梯度下降算法的更新过程就是
此时我们具体谈谈alpha：
而alpha取值过大，则还会有这种情况：
永远找不到极小值。
alpha先大后小。(根据实验情况而定)
现在我们再回归到我们的
我们对它进行优化的表达式为：
这里有个误区，正确的更新过程是这样的：
等更新完再赋值。
更新完的theta_0在temp1的更新过程中被调用，此时已经不是之前的theta_0了。切记。
代码实践
这是个拟合直线的代码实现。
我们要将数据统一收缩到 [-1 - 1] 之间。
X = ( X - average(X) ) / X.max
Y = ( Y - average(Y) ) / Y.max
为什么要这么做呢？
因为如果不做缩小处理，在矩阵运算时，非常有可能出现无穷大或者无穷小，导致无法计算。
缩小处理可以很容易画出模拟线条。
缩小处理在计算机中处理速度更快。
我们看看图：
这里我设置a = 0.01是为了下面的模拟直线除数不为0设置的。一般情况下，初始化 a = b = 0。(这里a, b就是上面的theta_0,theta_1)
下面进行矩阵化：
上面图片的y1 - y4是预测值
下面代码的Y是真实值
预测值函数
拟合线段形成过程
更新过程
最终的线段是
注：代码实现以上图片来自2014stanford机器学习视频
我的公众号，喜欢的可以关注我呀。
公众号二维码.png
