-
损失函数 (Loss function) ,是单个样例 i i i 的损失/误差:
∣ h θ ( x i ) − y i ∣ | h_{θ}(x^i) - y^i | ∣hθ(xi)−yi∣
-
代价函数 (Cost function) ,是对数据集整体的误差描述,也就是损失函数的总和的平均,有没有这个平均其实不会影响最后的参数的求解结果:
1 2 m ∑ i = 1 m ( h θ ( x ( i ) ) − y ( i ) ) 2 \frac{1}{2m} \sum_{i=1}^{m} (h_{θ}(x^{(i)}) - y^{(i)})^{2} 2m1i=1∑m(hθ(x(i))−y(i))2
-
目标函数(Object Function),为了避免过拟合或者进行一些特殊目的约束(Constraint),一般会在代价函数的后面加上正则化项:
1 2 m ∑ i = 1 m ( h θ ( x ( i ) ) − y ( i ) ) 2 + 正 则 化 项 \frac{1}{2m} \sum_{i=1}^{m} (h_{θ}(x^{(i)}) - y^{(i)})^{2} + 正则化项 2m1i=1∑m(hθ(x(i))−y(i))2+正则化项
目标函数、损失函数、代价函数
最新推荐文章于 2023-09-15 16:01:25 发布