[机器学习]代价函数

在我们初中的函数表达式中

y=kx+b;

因为我们的回归问题是一个假设;

这时候 hθ(x)就是我们的y ,θ0就是我们的b,θ1就是我们的k;

代价函数公式:

这里的J(θ0,θ1)指的是我们假设的θ0和θ1进行预测的误差值;

m是数据量的大小,hθ就是我们刚刚假设的θ0和θ1 y就是实际的数值,∑为求和运算符,比如5∑1 =5+4+3+2+1; 

让我们举个例子

如下图

在这个图中,当x=1时 y=1 x=2时 y=3 当x=3时 y=3;

总共有3个数据 所以m等于3

实际也就是y=x;

这里我们假设θ1等于1 θ0等于0

误差值为 1/(2*3)*(0+0+0)

误差值为0.

再举个例子

当我们假设θ1等于0.5 θ0等于0

这里附上代码

//注:java的精度计算并不准确 这里的代码主要是让人看懂是怎么算的 感兴趣的读者可以手动计算一下.