[机器学习]代价函数
在我们初中的函数表达式中
y=kx+b;
因为我们的回归问题是一个假设;
这时候 hθ(x)就是我们的y ,θ0就是我们的b,θ1就是我们的k;
代价函数公式:
这里的J(θ0,θ1)指的是我们假设的θ0和θ1进行预测的误差值;
m是数据量的大小,hθ就是我们刚刚假设的θ0和θ1 y就是实际的数值,∑为求和运算符,比如5∑1 =5+4+3+2+1;
让我们举个例子
如下图
在这个图中,当x=1时 y=1 x=2时 y=3 当x=3时 y=3;
总共有3个数据 所以m等于3
实际也就是y=x;
这里我们假设θ1等于1 θ0等于0
误差值为 1/(2*3)*(0+0+0)
误差值为0.
再举个例子
当我们假设θ1等于0.5 θ0等于0
这里附上代码
//注:java的精度计算并不准确 这里的代码主要是让人看懂是怎么算的 感兴趣的读者可以手动计算一下.