代价函数(目标函数) cost function
2014-05-21 18:30
274 查看
Cost Function
Cost Function的思想:选择合适的参数θ,使得使用此参数的估计模型(线性回归等)得到的估计结果和真实结果之间的误差最小。
假设训练集为(x,y),用hθ(x)来表示估计的模型,则
Cost function也可以描述为:
通过梯度下降等方法来寻找cost function的最小值,就可以确定参数θ,从而使得模型的效果最好。
例子:线性回归 (Linear regression with one viriable)
通过对cost function的最小化,就可以求得最佳的参数θ
两个参数的时候将是三维空间中的一个曲面,寻找最小值(如上)
总结:cost function虽然形式简单,原理也很容易,但是在机器学习中确实经常使用到的用来确定参数的方式之一。正确深入的理解了cost function的含义对之后的机器学习的学习过程非常重要。
Reference: Machine Learning course on Coursera by Andrew Ng
Cost Function的思想:选择合适的参数θ,使得使用此参数的估计模型(线性回归等)得到的估计结果和真实结果之间的误差最小。
假设训练集为(x,y),用hθ(x)来表示估计的模型,则
Cost function也可以描述为:
通过梯度下降等方法来寻找cost function的最小值,就可以确定参数θ,从而使得模型的效果最好。
例子:线性回归 (Linear regression with one viriable)
通过对cost function的最小化,就可以求得最佳的参数θ
两个参数的时候将是三维空间中的一个曲面,寻找最小值(如上)
总结:cost function虽然形式简单,原理也很容易,但是在机器学习中确实经常使用到的用来确定参数的方式之一。正确深入的理解了cost function的含义对之后的机器学习的学习过程非常重要。
Reference: Machine Learning course on Coursera by Andrew Ng
相关文章推荐
- 【机器学习】代价函数(cost function)
- 损失函数(Loss function)和代价函数(成本函数)(Cost function)的区别与联系
- 机器学习之代价函数(cost function)
- 机器学习中的目标函数、损失函数、代价函数有什么区别?
- 机器学习中的目标函数、损失函数、代价函数有什么区别?
- 机器学习-3 cost function 代价函数
- 损失函数(Loss function)和代价函数(成本函数)(Cost function)的区别与联系
- 机器学习:代价函数cost function
- 机器学习中的目标函数、损失函数、代价函数是同一个东西吗?
- 损失函数,代价函数,目标函数
- [机器学习] 代价函数(cost function)
- 五、改进神经网络的学习方法(1):交叉熵代价函数
- 神经网络与深度学习笔记(四)为什么用交叉熵代替二次代价函数
- 机器学习之代价函数、梯度理解
- 激活函数,目标函数,dropout弃权
- 对代价函数的理解
- Adaptive linear neurons model 线性神经元 运用梯度下降法 进行代价函数的最优化
- 交叉熵代价函数(cross-entropy cost function)
- 机器学习-逻辑回归-代价函数
- 神经网络中sigmoid 与代价函数