机器学习笔记--吴恩达机器学习课程2 - 3
2018-01-15 21:54
393 查看
1.目标函数:关于输入x和期望y的最佳拟合函数
2.代价函数:对于同一输入x,反映拟合函数G(x)输出Y与理想期望y之间的差距的集合即为代价函数,故代价越大,拟合效果越差。(说的有点不太准确)
常用的代价函数有平方差代价函数、交叉熵代价函数等。
eg:
对于一元函数
有平方差代价函数
对于目标函数来说,代价函数的值越小,目标函数的解越优。
2.代价函数:对于同一输入x,反映拟合函数G(x)输出Y与理想期望y之间的差距的集合即为代价函数,故代价越大,拟合效果越差。(说的有点不太准确)
常用的代价函数有平方差代价函数、交叉熵代价函数等。
eg:
对于一元函数
有平方差代价函数
对于目标函数来说,代价函数的值越小,目标函数的解越优。
相关文章推荐
- Coursera吴恩达机器学习课程 总结笔记及作业代码——第6周有关机器学习的小建议
- 机器学习笔记--吴恩达机器学习课程2 - 4
- 干货|机器学习零基础?不要怕,吴恩达机器学习课程笔记2-多元线性回归
- 机器学习笔记--吴恩达机器学习课程2 - 6
- 吴恩达斯坦福大学机器学习 CS229 课程学习笔记(二)
- Coursera吴恩达机器学习课程 总结笔记及作业代码——第4周神经网络
- 吴恩达Coursera深度学习课程 DeepLearning.ai 提炼笔记(3-2)-- 机器学习策略(2)
- Coursera吴恩达机器学习课程 总结笔记及作业代码——第5周神经网络续
- 吴恩达Coursera深度学习课程 DeepLearning.ai 提炼笔记(3-2)-- 机器学习策略(2)(转)
- 【吴恩达机器学习】学习笔记——1.3机器学习的定义
- 吴恩达神经网络和深度学习课程自学笔记(八)之机器学习策略
- Andrew机器学习课程笔记(5)—— 推荐系统、大数据下的机器学习
- 国际名校公开课 斯坦福大学公开课 :机器学习课程 机器学习的动机与应用 学习笔记
- 吴恩达Coursera深度学习课程 DeepLearning.ai 提炼笔记(3-1)-- 机器学习策略(1)
- Coursera吴恩达机器学习课程 总结笔记及作业代码——第7周支持向量机
- Coursera吴恩达机器学习课程 总结笔记及作业代码——第1,2周
- 学习笔记——吴恩达-机器学习课程-1.3 用神经网络进行监督学习
- 吴恩达斯坦福大学机器学习 CS229 课程学习笔记(一)
- Coursera吴恩达机器学习课程 总结笔记及作业代码——第3周逻辑回归
- 吴恩达机器学习课程笔记——第一周