吴恩达机器学习笔记:(二)代价函数
生活随笔
收集整理的這篇文章主要介紹了
吴恩达机器学习笔记:(二)代价函数
小編覺得挺不錯的,現在分享給大家,幫大家做個參考.
代價函數
本例中如下圖所示:代價函數實際目的是為了通過尋找 θ1, θ2兩個參數實現擬合的直線最接近數據點。
本例中代價函數的定義 θ1, θ2
尋找θ1,θ2參數最優值
尋找 θ1的最優解
當θ1 = 1時
當θ1 = 0.5時
當θ1 =0時
如上圖右側所示,尋當θ1 的最優解相當于尋找曲線偏導數等于零的點
上圖為兩個參數同時作用時候生成的數據三維圖
下圖為數據對應的等高線:
通過實際數據測試發現當在等高線最中央時擬合的直線最接近數據集。
總結
以上是生活随笔為你收集整理的吴恩达机器学习笔记:(二)代价函数的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 吴恩达机器学习笔记:(一)机器学习方法简
- 下一篇: 吴恩达机器学习笔记:(三)梯度下降法