[机器学习]代价函数

在我们初中的函数表达式中

y=kx+b;

[机器学习]代价函数

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:

[机器学习]代价函数

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

[机器学习]代价函数

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

[机器学习]代价函数

//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.