ML笔记——假设函数、代价函数

HerdingCat

于 2018-04-27 15:01:27 发布

阅读量1.2k

点赞数

CC 4.0 BY-SA版权

分类专栏： Machine Learning

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/fancy_real/article/details/80101046

这篇博客探讨了如何选择合适的θ0和θ1，以使线性函数hθ(x)更接近训练数据的y值。通过数学表示，介绍了假设函数hθ(xi)=θ0+θ1xi，并提出了代价函数J(θ0,θ1)，用于量化hθ(xi)与yi之间的差异。求解代价函数的最小值是确定最佳参数θ0和θ1的关键。最后，博主分享了关于线性函数和代价函数直观理解的思考。" 112538368,10538917,Linux 4.4.220 NVMe驱动分析：PRP与BIO层数据流,"['NVMe驱动', 'PCIe', 'BIO层', '存储设备']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

目录

想法

对于如下的数据
这里写图片描述
选择合适的 $\theta_0, \theta_1$ 使得假设的线性函数 $h_\theta(x)$ 接近与训练数据 $(x, y)$ 的 $y$ 值

数学表示

假设的线性函数: $h_{θ} (x_{i}) = θ_{0} + θ_{1} x_{i}$

最低0.47元/天解锁文章

200万优质内容无限畅学

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。