机器学习：批量梯度下降法（线性回归中的使用）

一、推导目标函数

1）基础概念

多元线性回归模型：多元线性回归的损失函数：参数 theta：θ = (θ0,θ1,θ3, ...,θn)n：表示模型中有 n 个特征参数；θ1：表示梯度：，对每一个 θi 求一次偏导数；梯度代表方向：对应 J 增大最快的方向；偏导数：函数 J 中含有 n 个未知数，每次知道其中的一个未知数求导，其它数看作常量，求得的数是函数 J 的偏导数；学习率：ηtheta每次变化量： | 学习率 X 梯度 | == -η * ▽J ；（带负号 “ - ” ，因为损失函数与参数负相关，其导数值为负，