机器学习----成本函数

机器学习模型应该具有非常高的精度，但是如何计算模型的准确性呢，在这种情况下，成本函数就出来了。成本函数是一个重要的机器学习参数，用于正确估计模型.

成本函数

成本函数是一个重要的参数，它决定了机器学习模型对给定的数据集执行的程度. 它计算了预期值和预测值之间的差异将其表示为一个实数.

在机器学习中，一旦我们训练我们的模型，那么我们希望看到我们的模型表现得多.虽然有各种准确性的功能，但是可以告诉您模型的表现如何，但不会介绍改善它们的见解.因此，我们需要一个功能，可以通过查找被诊断和过度训练的模型之间的位置来找到模型最准确.

简单，" 成本函数是模型估计x(输入)和y(输出)参数 之间的关系的错误程度.成本函数有时也称为损耗函数，并且可以通过迭代地运行模型来估计，以将估计的预测与y的已知值进行比较.

每个ML模型的主要目的是确定可以最小化成本函数的参数或权重.

公式

假设我们的模型函数为

f(x) = wx+b

那么代价函数（成本函数）J(w,b)为

其中w,b为参数，当数据量较大时，我们一般用均方误差，而不是总平方误差，其中m为训练集的数量，而且在机器学习中一般是2m，为了计算简洁，但实际上除以2m和除以m都没什么区别。

在b=0的时候，我们可以画出一一对应的关系

在b！=0的时候我们可以画出相应的3d图来观察代价函数取最小值的点