THETA ONE Tiếng việt là gì - trong Tiếng việt Dịch

• theta một

Ví dụ về việc sử dụng Theta one trong Tiếng anh và bản dịch của chúng sang Tiếng việt

Just trying to draw the same function j of theta one.
Chỉ cần cố gắng để vẽ cùng một chức năng j của theta một trong.

If theta zero is 1.5 and theta one is 0, then the hypothesis function will look like this.
Nếu theta Zero là 1.5 và theta ai là zero, sau đó chức năng giả thuyết sẽ như thế Điều này.

So I'm going to write minimize over theta zero, theta one.
Gonna viết giảm thiểu hơn theta 0, theta một trong.

And so I have theta one minus a negative number which means I'm actually going to increase theta, right?
Và vì vậy tôi cần Theta một trừ đi một số tiêu cực có nghĩa là tôi thực sự sẽ tăng dữ liệu, quyền?

What we did last time was, right, when we only had theta one.
Những gì chúng tôi đã làm thời gian qua đã, đúng, khi chúng tôi đã chỉ có theta một trong.

Now, my derivative term, d, d theta one j of theta one, when evaluated at this point, gonna look at right.
Bây giờ, tôi khâu, d, d Theta một j của theta một, khi đánh giá tại thời điểm này, gonna tìm ở bên phải.

What we want to do is come up with values for the parameters theta zero and theta one.
Những gì chúng tôi muốn làm đưa ra giá trị cho[ unintelligible] theta zero và theta một trong.

So how do we come up with values theta zero, theta one that corresponds to a good fit to the data?
Vậy làm thế nào để chúng tôi tìm ra giá trị theta 0, theta một trong mà tương ứng với một thích hợp để các dữ liệu?

The height of the surface of the points indicates the value of J of theta zero, J of theta one.
Các Chiều cao của bề mặt của các điểm cho thấy giá trị của j theta 0, J của theta một trong.

In contrast, the cost function, J, that's a function of the parameter, theta one, which controls the slope of the straight line.
Trái ngược, hàm chi phí, J, đó là một chức năng của các tham số, theta một, điều khiển độ dốc của đường thẳng.

So, this is a 3-D surface plot, where the axes are labeled theta zero and theta one.
Vì vậy, đây là một ba mảnh âm mưu trên bề mặt, nơi các trục được dán nhãn theta zero. Và theta một trong.

And so, in your gradient descent update, you have theta one, gives update that theta one, minus alpha times zero.
Và vì vậy, trong của bạn Cập Nhật lớp và gốc, bạn có theta một,[ unintelligible] này một, theta trừ alpha lần zero.

All three of these points that I just drew in magenta, they have the same value for J(theta zero, theta one).
Tất cả ba trong số này. Điểm mà tôi chỉ đã vẽ trong đỏ tươi, họ có cùng một giá trị Đối với j theta 0, theta một trong.

Now given these value of theta zero and theta one, we want to plot the corresponding, you know, cost function on the right.
Bây giờ cho giá trị của theta zero và theta một, chúng tôi muốn lô tương ứng, bạn đã biết, chức năng chi phí bên phải.

For illustration in this specific presentation, I have initialised theta zero at about 900, and theta one at about minus 0.1, okay?
Để minh hoạ này trình bày cụ thể, tôi có initialised theta zero lúc khoảng 900, và theta một lúc về trừ 0.1, rồi?

And, this notation, minimize over theta zero and theta one, this means find me the values of theta zero and theta one that causes this expression to be minimized.
Và, cách ký hiệu này. Giảm thiểu theta zero và theta một trong. Điều này có nghĩa là tìm thấy tôi các giá trị của theta..

And this second term here, that term is just a partial derivative with respect to theta one that we worked out on the previous line.
Và nhiệm kỳ thứ hai này ở đây, cụm từ đó là chỉ bắt nguồn từ một phần với Theta một mà chúng tôi đã làm việc ra vào trước dòng.

What we're going to do in this video is talk about how to go about choosing these two parameter values, theta zero and theta one.
Những gì chúng tôi sẽ làm trong video này là thảo luận về cách đi về cách chọn những hai giá trị tham số theta zero và theta một trong.

But now we have two parameters, theta zero, and theta one, and so the plot gets a little more complicated.
Nhưng bây giờ chúng tôi có hai tham số, theta số không, và theta một, và do đó, những âm mưu được nhiều hơn một chút phức tạp.

When we talk about the method in linear regression for how to solve for the parameters, theta zero and theta one, all in one shot.
Khi chúng tôi nói chuyện về các phương pháp trong hồi quy tuyến tính như thế nào để giải quyết cho các tham số, Theta zero và theta một, tất cả trong một shot.

To introduce a little bit more terminology, these theta zero and theta one, right, these theta i's are what I call the parameters of the model.
Để giới thiệu thuật ngữ một ít hơn, các theta zero và theta một, bên phải, các[ unintelligible] là những gì tôi gọi là các thông số của mô hình.

And we set the parameter theta zero to be only zero. In the next video. We will go back to the original problem formulation and look at some visualizations involving both theta zero and theta one.
Trong đoạn phim tiếp theo, chúng ta sẽ quay lại công thức ban đầu và xem xét một cách trực quan cả hai tham số theta- 0 và theta- 1 với theta- 0 khác 0.

And what I want to do is minimize over theta zero and theta one my function J of theta zero comma theta one.
Và những gì tôi muốn làm là Minimize theta zero và theta một chức năng của tôi j của theta zero dấu phẩy theta một trong.

I'm gonna decrease theta one and we can see this is the right thing to do because I actually went ahead in this direction you know to get me closer to the minimum over there.
I' m gonna giảm theta ai và chúng tôi có thể nhìn thấy Đây là điều phải làm vì tôi đã thực sự đi trước theo hướng này bạn biết để làm cho tôi gần hơn đến tối thiểu trên đó. Vì vậy, gradient descent cho đến nay có vẻ sẽ thực hiện đúng.

Unlike before, unlike the last video, I'm going to keep both of my parameters, theta zero, and theta one, as we generate our visualizations for the cost function.
Không giống như[ unintelligible], không giống như cuối video, tôi sẽ giữ cho cả hai của tôi tham số, A đến số không, và theta một, khi chúng tôi tạo ra kiểu trực quan của chúng tôi cho chi phí chức năng.

The idea is we're going to choose our parameters theta zero, theta one so that h(x), meaning the value we predict on input x, that this at least close to the values y for the examples in our training set, for our training examples.
Ý tưởng là chúng ta sẽ chọn của chúng tôi tham số theta 0, theta một vì vậy mà h của X, có nghĩa là giá trị chúng tôi dự đoán trên đầu vào X, điều này ít gần với giá trị ví dụ Y. bốn mươi năm của chúng tôi huấn luyện tập, cho ví dụ đào tạo của chúng tôi.

Now here's a different hypothesis that's you know still not a great fit for the data but may be slightly better so here right that's my point that those are my parameters theta zero theta one and so my theta zero value.
Bây giờ đây là một khác nhau giả thuyết rằng là bạn biết vẫn không rất phù hợp cho các dữ liệu nhưng có thể là một chút tốt hơn vì vậy ở đây ngay đó là điểm của tôi rằng những người đang có của tôi tham số theta zero theta một và rất giá trị theta zero của tôi.

So as you vary theta zero and theta one, the two parameters, you get different values of the cost function J(theta zero, theta one) and the height of this surface above a particular point of theta zero, theta one.
Vì vậy khi bạn thay đổi theta zero và theta một trong để các thông số bạn nhận được giá trị khác nhau của các chéo chức năng j theta zero, theta một trong và chiều cao của bề mặt này trên một điểm cụ thể của theta 0, theta một trong.

And so, what we want is to have software to find the value of theta zero, theta one that minimizes this function and in the next video we start to talk about an algorithm for automatically finding that value of theta zero and theta one that minimizes the cost function J.
Giá trị của theta 0, theta một[ unintelligible]. Tối thiểu hoá chức năng này và trong video tiếp theo chúng tôi bắt đầu nói về một thuật toán để tự động tìm kiếm giá trị đó theta zero và theta một trong đó giảm thiểu các chức năng chéo J.

It turns out that you can have you know negative values of theta one as well so if theta one is negative then h of x would be equal to say minus 0.5 times x then theta one is minus 0.5 and so that corresponds to a hypothesis with a slope of negative 0.5.
Nó chỉ ra rằng bạn có thể có bạn biết tiêu cực giá trị của theta một trong là tốt vì vậy nếu theta một là tiêu cực thì h x sẽ được bình đẳng để nói rằng trừ 0,5 lần x theta[ unintelligible] một trong những là trừ 0,5 và vì vậy mà tương ứng để một giả thuyết[ unintelligible]. Và với một độ dốc của tiêu cực 0.5.