zoukankan      html  css  js  c++  java
  • 吴恩达机器学习7:代价函数(Cost function)

     一、简介

      1.在线性回归中,我们有一个这样的训练集,M代表训练样本的数量,假设函数即用来进行预测的函数是这样的线性函数的形式,我们接下来看看怎么选择这两个参数:

      2.如下图中,怎么选择两个参数来更好的拟合数据呢?

      我们要尽量选择参数值,使得在训练集中,给出训练集中的x值,合理准确的预测y值。在线性回归中,我们要解决的是要在线性回归中最小化的问题,我们希望预测值和真是值之间的差值变小,就是要减少预测值和真实值之间的方差的值,我们使用(xi,yi)代表第i个样本,我们要做的是对M个样本,求出其真实值和预测值之间的最小方差

      代价函数:

      

  • 相关阅读:
    函数的扩展
    数组的扩展
    event(1)
    面试
    iframes
    浏览器CSS兼容
    BFC
    简单的一个轮播效果
    asp.net identity 2.2.0 在WebForm下的角色启用和基本使用(二)
    我的web框架设计
  • 原文地址:https://www.cnblogs.com/bigdata-stone/p/10298736.html
Copyright © 2011-2022 走看看