机器学习-代价函数(单变量线性回归)

2.1函数表示
因为只含有一个特征/输入变量,所以这样的问题叫作单变量线性回归问题。

回归问题:
构建一个模型,也许是条直线,从这个数据模型上看,如果你朋友的房子是 1250 平方尺大小,能以大约 220000(美元)左右的价格卖掉这个房子,左图就是监督学习算法的一个例子。对于每个数据来说,我们给出了“正确的答案”,即告诉我们: 根据我们的数据来说,房子实际的价格是多少,而且,更具体来说,这是一个回归问题。

分类问题:
当我们想要预测离散的输出值,例如,我们正在寻找癌症肿瘤,并想要确定肿瘤是良性的还是恶性的,这就是 0/1 离散输出的问题。更进一步来说,在监督学习中我们有一个数据集,这个数据集被称训练集。

2.2代价函数

h 为假设(hypothesis)函数。也是用来进行预测的函数,因为只含有一个特征/输入变量,因此这样的问题被称为单变量线性回归问题。

在线性回归中我们有一个像这样的训练集,m 代表了训练样本的数量,比如 m = 47。

我们现在要做的便是为我们的模型选择合适的参数 θ0 和 θ1(参数的取值我们训练集的准确程度)

右图为代价函数图像,横坐标为1的时候,为此代价函数最小值
代价就是所有点的预测值与真实值之间的差值的和。

建模误差:也就是每一点的预测值与真实值之间的差,就是对应点的线上的y值减去红色×的y值

计算代价函数:
1.每一点预测值与真实值求差值(也就是每一点的建模误差)
2.对每一点差值求平方。
3.把所有点差值的平方加起来。

此处取1/2m 是为了方便计算,而最优解即为代价函数的最小值
三维空间中,三个坐标分别为 θ0 和 θ1 和 J(θ0,θ1):可以看出三维空间中存在一个使得 J(θ0,θ1)最小的点。

机器学习-代价函数(单变量线性回归)相关推荐

  1. 机器学习之单变量线性回归(Linear Regression with One Variable)

    机器学习之单变量线性回归(Linear Regression with One Variable) 1. 模型表达(Model Representation) 我们的第一个学习算法是线性回归算法,让我 ...

  2. 入门机器学习(一)--单变量线性回归

    写在前面 本系列依据吴恩达机器学习课程,对每一节课进行提炼和总结,并结合课后作业进行相应的讲解.由于原课程的课后作业是用MATLAB完成的,本系列为了方便,将用python实现课后作业. 1.模型描述 ...

  3. 吴恩达机器学习2——单变量线性回归

    吴恩达机器学习2--单变量线性回归 监督学习工作模式 训练集中同时给出了输入输出,即人为标注的"正确结果"喂给学习算法,得到一个函数h,h 可以根据输入的x得到一个y,因此h是x到 ...

  4. 吴恩达机器学习1——单变量线性回归、梯度下降

    目录 吴恩达机器学习第一周 一.什么是机器学习? 二.机器学习的分类 1. 监督学习 2. 非监督学习 3. 监督学习和非监督学习的举例 三.单变量线性回归(**Linear Regression w ...

  5. 机器学习:单变量线性回归及梯度下降

    ***************************************** 注:本系列博客是博主学习Stanford大学 Andrew Ng 教授的<机器学习>课程笔记.博主深感学 ...

  6. 机器学习_吴恩达_week1(机器学习分类+单变量线性回归)

    目录 一.绪论 1.1 欢迎 1.2 机器学习是什么? 1.3 监督学习 1.4 非监督学习 二.单变量线性回归 2.1 模型表示 2.2 代价函数 2.3 代价函数的直观理解I 2.4 代价函数的直 ...

  7. 机器学习之单变量线性回归

    https://www.toutiao.com/a6687424871514767880/ 1 模型描述 让我们以预测住房价格的例子开始:首先要使用一个数据集,数据集包含不同房屋尺寸所售出的价格,根据 ...

  8. 吴恩达机器学习之单变量线性回归实现部分

    C++实现 代码实现 "linear_regression.h" //单变量线性回归模型 struct elem_var1 {double x, y; //训练集元素数据:自变量. ...

  9. 吴恩达机器学习之单变量线性回归理论部分

    理论部分 1.方程形式 在进行数据处理过程中,有时数据图像可拟合成单变量线性函数,即 2.如何拟合 此时,我们虽知道拟合函数的形式,但如何拟合仍是个问题,怎样拟合可以最接近实际数据情况呢? 最小二乘法 ...

  10. 机器学习实验——单变量线性回归(披萨价格预测问题)

    实验内容 假设某披萨店的披萨价格和披萨直径之间有下列数据关系: 训练样本 直径(英寸) 价格(美元) 1 6 7 2 8 9 3 10 13 4 14 17.5 5 18 18 根据上面的训练数据,预 ...

最新文章

  1. Windows平台下安装PhoenixSuit要点
  2. Centos kvm虚拟sever
  3. 英语进阶系列-A06-本周总结
  4. 10个一行代码就能搞定的编程技巧
  5. h710阵列卡支持最大硬盘_DELL服务器RAID磁盘阵列在线扩容(以H710P阵列卡为例)
  6. EZchip将推全球首款100核64位ARM A-53芯片
  7. android开发EditText输入时弹出数字输入键盘
  8. Tomcat漏洞修复方法【补丁下载及安装详细流程】
  9. powershell自动化操作AD域、Exchange邮箱系列(1)——powershell 简介
  10. VScode Python no module的解决方法
  11. og 的 debug()、 error()、 info()方法的区别
  12. 【python】【multiprocessing】【Pool、pool.Pool、pool.ThreadPool】apply 和apply_async多进程有关时间的比较分析
  13. kubernetes实践指南
  14. Springboot gzip解压http数据流
  15. 使用旧版本MATLAB打开新版本MATLAB创建的.slx文件 提高MATLAB启动速度
  16. 无公式搞懂GMSK调制原理,附详细注释的matlab GMSK调制解调原理仿真源码
  17. DBMS (数据库管理系统) 是什么
  18. 韩 天峰:关于PHP程序员技术职业生涯规划
  19. Godot3游戏引擎入门之四:给主角添加动画(上)
  20. CronScheduleBuilder定时任务说明

热门文章

  1. Intellij IDEA汉化教程
  2. Android 标题栏(2)
  3. 高性能mysql 第5章 创建高可用的索引
  4. Ubuntu12.04中eclipse提示框黑色背景色修改
  5. MMORPG大型游戏设计与开发(part5 of net)
  6. POJ 1004:Financial Management
  7. 采访前高级软件工程课程学员付浩同学,及Scrum总结阅读感想
  8. 大话设计模式-原型模式的浅复制与深复制
  9. [转]Python中下划线---完全解读
  10. 走进我的交易室04_成功交易的 3 个 M