在梯度下降算法里，最重要的公式是：
视频里直接给出了下面的解，求导数的过程没有详细说明，我自己参照课本，写出了求导的详细过程。
导数的求解直接按照定义 f(x)' = lim (y1-y0)/(x1-x0) 即可，不需要记公式。
实际在变线代码的时候，步长a的选择也很关键，当发现不收敛时需要减小步长。
红色是参照课程的实现，蓝色是numpy的结果，红色是收敛到步长1/10的结果。
收敛到1/100，可以看到两者已经很接近了。
梯度下降算法
最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
【社区内容提示】社区部分内容疑似由AI辅助生成，浏览时请结合常识与多方信息审慎甄别。
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。
相关阅读更多精彩内容
- http://www.cnblogs.com/pinard/p/5970503.html 在求解机器学习算法的模型...
