假设函数
训练数据集的假设函数(hypothesis function),又称模型函数:
代价函数
评估假设函数精确度、拟合度的代价函数(cost function)
代价函数的核心功能:代价函数的函数值用来评估假设函数的精确度、拟合度。精确度、拟合度的比较对象是我们提供的训练数据集。
如果有一组(θ0,θ1,……,θn)使得代价函数取得最小值,则将这组(θ_0,θ1,……,θn)对应的假设函数对于我们提供的训练数据集有(最)很好的精确度,拟合度。即如果我们给一个待验证的特征值x,则通过h(x)计算出来的输出数据y=h(x),和实际的数据y最接近。
梯度下降算法的目的
找到一组(θ0, θ1,……,θn),使得代价函数的值最小,从而得到拟合度很好,精确度很高的假设函数 。
下面以简单线性