假设函数,此处研究单参数线性回归,故
设置为0
低价(成本函数)
![](https://img.haomeiwen.com/i12936029/c789de9da09bde53.png)
训练数据集就会分散在x-y平面上,我们尝试用一条直线去通过这些分散的数据点。最好的线使得离散点距离直线的平均垂直距离是最小。此处为了简便,设置等于0,此处的线性回归函数成为单参数线性回归。
![](https://img.haomeiwen.com/i12936029/fe843c182e910b6f.png)
![](https://img.haomeiwen.com/i12936029/8844cd88baee83a6.png)
由上图可知,当斜率为1的时候,曲线遍历模型中的每个数据点;当斜率为0.5的时候,拟合得到的数据点的垂直距离增加。
![](https://img.haomeiwen.com/i12936029/7f23c6da48e66d8c.png)
作为目标,我们应该尽量减少代价函数的值,即,在上图的情况下,当
为1的时候,
的值最小等于0
假设函数,此处研究单参数线性回归,故
设置为0
低价(成本函数)
训练数据集就会分散在x-y平面上,我们尝试用一条直线去通过这些分散的数据点。最好的线使得离散点距离直线的平均垂直距离是最小。此处为了简便,设置等于0,此处的线性回归函数成为单参数线性回归。
由上图可知,当斜率为1的时候,曲线遍历模型中的每个数据点;当斜率为0.5的时候,拟合得到的数据点的垂直距离增加。
作为目标,我们应该尽量减少代价函数的值,即,在上图的情况下,当
为1的时候,
的值最小等于0
本文标题:2018-12-05成本(代价)函数 - I
本文链接:https://www.haomeiwen.com/subject/viqicqtx.html
网友评论