梯度下降Debugging：x轴为迭代次数，y轴是J(θ)。 如果J(θ)递增，那么很可能是α太大了。
自动收敛检测： 声明如果一次迭代减少的值小于某个阈值ε，那么确认函数已经足够收敛。当然，实际上很难确定ε值。
如果 α 足够小，那么每次迭代都应该是递减的。
总结:
如果 α 太小： 收敛速度缓慢。
如果 α 太大： 每次迭代递增，从而不能收敛。
[线性回归] Debugging
如果 α 足够小，那么每次迭代都应该是递减的。
总结:
如果 α 太小： 收敛速度缓慢。
如果 α 太大： 每次迭代递增，从而不能收敛。
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
- 文/潘晓璐 我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
- 文/花漫 我一把揭开白布。 她就那样静静地躺着，像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上，一...
- 文/苍兰香墨 我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
推荐阅读更多精彩内容
- 未经允许，不得擅自改动和转载 我们的第一个学习算法是线性回归算法。在这段视频中，你会看到这个算法的概况，更重要的是...
- 之前浏览Coursera上机器学习方面的课程，Andrew Ng的《Machine Learning》课程评分一直...
