梯度下降法 (Gradient Descent) 互動教學

👆 點擊畫布設定起始點

迭代次數 (Step) 0

損失函數 (Cost) 0.0000

參數 (Parameter x) 0.0000

目標函數 (Cost Function)

學習率 (Learning Rate) 0.1

0.001 1.0

請點擊「開始下降」或在畫布上點擊設起點。

這是一種用來尋找函數最小值的最佳化演算法。

想像你在山上（高 Cost），想要下山（低 Cost），你會沿著最陡峭的方向往下走。

θ = θ - α · ∇J(θ)

θ: 參數, α: 學習率, ∇J: 梯度