定義: 梯度 下降法是用 來配對 出使 cost function值最小 的 θ，公式如圖 2，α為Learning rate(學習率)，一開始我們會設置一個θ初始值，並且求出此θ值時，cost function的斜率方向，若斜率為正，則θ需變小(減去斜率值)，斜率為負，θ則變大，如圖3，目的是找到使cost function斜率為0的θ值(cost function到x軸的距離為cost誤差值，找誤差值最小之點)，此值稱為local optima，但不一定可以使的cost function值最小，只是較小的解。而θ為干若個變數，在gradient descent裡面，變數們需要同時更新(simultaneous update)，如圖2下面所示，不可更新完一個變數θ0，在算下一個變數θ1，避免同一時間變數的改變互相影響。
定義: cost function為監督式 學習中用來計算預測值與真實質的誤差，公監督式 學習中用來計算預測值與真實質的誤差，公如圖 1，hypothesis唯一 映射函數 ( h maps from x’s to y’s ) ，輸入 已知資料 (x)，得到 預測值(y)；θ為可變變數，x、y之上標代表 為第幾筆樣本，m為樣本 總數，調整 θ使的 cost function得到 最小值，則此 θ組成的 hypothesis function為之最佳 linear regression預測函 式。1/2m分母的 2是為了 使之後微分 方便，除 以 m是為了 使平均誤差縮小。
| bash指令 | tcsh指令 | ||||
| alias |
alias ls='ls -lrt' 若要長久設定放置位置: |
練習目標:
1. A natural similarity exists between navigating the directories in a file system as compared to navigating the "rooms" in a text-based adventure game.
