每對資料叫訓練樣本。我們用（x,y）表示乙個訓練樣本。x就是輸入變數（通俗的說就是x軸表示的變數），y就是目標變數，也就是我們要**的變數。
給演算法一些資料集也就是訓練集，然後演算法會形成乙個函式h，我們稱它為假設函式，我們利用這個函式來**結果。
單變數線性回歸方程：通俗的說就是一元一次線性方程,其中一些未知的引數叫做模型引數
代價函式：最常見的函式就是平方誤差代價函式，即
我們尋找一些資料集的擬合函式，實際上就是求代價函式的最小值(minimize)。代價函式可以幫助我們尋找最合適的模型引數
機器學習之代價函式
代價函式又叫損失函式，用來度量f x 和y的誤差程度，記作l y，f x 常用代價函式 0 1損失函式，平方損失函式，絕對損失函式 對數損失函式。機器學習的目標是讓e l y，f x 最小。平均損失稱為經驗風險或經驗損失。經驗風險最小化 經驗風險模型最優。樣本容量較大時較好。例子 極大似然估計 需搞...
機器學習之代價函式
代價函式 代價函式在機器學習中的每一種演算法中都很重要，因為訓練模型的過程就是優化代價函式的過程。1.定義 任何能夠衡量模型 出來的值h 與真實值y之間的差異的函式都可以叫做代價函式c 如果有多個樣本，則可以將所有代價函式的取值求均值，記做j 因此很容易就可以得出以下關於代價函式的性質 2.確立了模...
機器學習 假設函式損失函式代價函式
在學習線性回歸中，我們在初中學習的時候，一般設x,y二個離散的資料，用二維座標系畫出來的點如圖 我們先可以回憶一下什麼叫回歸 回歸 1 把一系列的散點的資料用一條線段盡可能的擬合出來 二維是線段 三維是平面 高維那就是超平面 2 這條曲線不僅僅可以擬合，在未來趨勢上也會對未來數值x，進行 y 如圖為...