[線性回歸] 模型和代價函數(shù)

代價函數(shù) Cost Function

為了度量預(yù)測函數(shù)(hypothesis)的精確性,我們引入了代價函數(shù)。它用對所有基于輸入(x)的預(yù)測結(jié)果和輸出(y)取平均差。

代價函數(shù)

它其實是平均值的1/2,這個平均值是m項加起來最后除以m所得。
這個代價函數(shù)又叫“平方誤差函數(shù)”,或者“均方差函數(shù)”[1]。
均值前面的1/2是為了方便梯度下降的計算(用1/2抵消1/2平方項求導(dǎo)產(chǎn)生的2)。

Prof.Ng 的PPT草圖

例子

想象著數(shù)據(jù)集分散在xy軸所構(gòu)成的畫板上,有一條線盡可能穿過所有的點. 這時J(θ0,θ1)將等于 0. 接下來的例子是一種理想狀態(tài)的代價函數(shù),它的值為0.


當 θ1=1 時, 斜率為1的直線穿過了所有的點。
當 θ1=0.5 時,我們所畫的線到數(shù)據(jù)點之間的距離增加。

這時代價函數(shù)值為 0.58。 再繼續(xù)畫幾個點就會得到如下所示的圖:


我們的目標就是得到代價函數(shù)的最小值。在這個案例中,θ1=1就是目標的最小值。

注:
[1] 這里用均方誤差來衡量,是經(jīng)過實踐校驗比較合理精確的方法,還有其他的方法后續(xù)也會介紹。均方誤差——百度百科

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時請結(jié)合常識與多方信息審慎甄別。
平臺聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點,簡書系信息發(fā)布平臺,僅提供信息存儲服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容