您的位置: 首页 > 文章 > 【深度之眼】吴恩达《机器学习》作业——week1代价函数 【深度之眼】吴恩达《机器学习》作业——week1代价函数 分类: 文章 • 2023-03-29 12:44:07 代价函数 首先回顾一下我们之前提到的训练集，及线性回归假设： 其中 θ0,θ1\theta_0,\theta_1θ0,θ1 是我们要选择的参数。 我们希望我们的模型，或者说我们拟合的曲线，能够接近训练集的真实状况，即我们的预测值和真实至之间的差距要越小越好。 也就是说要选择合适的 θ0,θ1\theta_0,\theta_1θ0,θ1，最小化 hθ(x(i)−y(i))2h_\theta(x^{(i)}-y^{(i)})^2hθ(x(i)−y(i))2 这里使用的是平方损失，因为对于线性回归问题来说这是最常见的选择，更深层次的原因是因为i，广义线性模型使用的也是平方损失，而线性回归仅仅是广义线性模型的一个例子。
