代价函数:
解释:
w是权重;b是偏置;n是训练输入的数据的个数;
a表示输入为x时的实际输出,是w和b的函数;
y是输入为x时的预计输出;x是输入;
||v||是指向量v的模
理解:
代价函数,可以大致理解为是在计算实际输出与预计输出之间差的和的平均值,是为了衡量实际与预期差距的一个函数所定义的。也就是为了使得实际输出结果靠近预计输出结果,那么,就需要代价函数接近于0(代价函数大于等于0),所以之后的操作就是要调整w和b使得代价函数接近于0,也就是实际输出接近于预计输出。(训练训练集的目的)
梯度下降算法:
目的:
为了最小化代价函数,使得代价函数取得最小值,这个时候就可以使得实际输出最大化的接近预计输出,以达到目标。
理解
梯度下降算法的意思是指比如一个小球滚落,那么最终一定会到达底部,这时候,就是我们要求取的最小值。而这个函数可能涉及一个、两个或者更多个变量。每一个变量的微小的变化都对代价函数起作用,在微积分中学过,代价函数的变化量可用如下公式表示: