machine-learning - 在协同过滤的梯度下降中，x 和 theta 是否同时更新？
问题描述
我正在学习 Andrew Ng 的机器学习课程，并且正在学习第 16 章：推荐系统。我目前看完了关于协同过滤的部分。在其中，他谈到了如何猜测参数：theta，然后用它来预测 x 并使用预测的 x 来学习更好的参数，等等。他还说可以同时完成，并给出了梯度下降算法：
我想问一下 x 和 theta 是否同时更新。例如，对于每次迭代：在 x 上执行一次梯度下降后，我是否使用 x 的新值重新计算平方误差和，然后在 theta 上执行梯度下降，然后重复直到收敛。或者我是否在 x 上执行单个梯度下降，使用相同的平方误差和，也在 theta 上执行梯度下降
解决方案
您可以同时进行一次更新。您甚至可以x使用以下方法同时在一个公式更新和 theta 中总结它：
