线性回归中的损失函数
用损失函数来度量预测系统的错误程度
线性回归模型
hθ(x)=θ0+θ1x
损失函数选用平方损失函数(线性回归的损失函数)
L(Y,h(X))=(Y−h(X))2
经验损失函数:
Rexp(h)=1m∑i=1mL(yi,h(xi))
实例:
已拥有如下点集(1,1),(2,2),(3,3)
为了简单选取模型
hθ(x)=θx
进行拟合,则关于
θ
的经验损失函数
J(θ)
表示为:
J(θ)=1m∑i=1m(yi−h(xi))2
将 h(x)=θx 与已知点集带入经验损失函数:
J(θ) =13[(1−θ)2+(2−2θ)2+(3−3θ)2]=143(θ−1)2
由化简式轻易可得当 θ=1 时,经验损失函数最小, minJ(θ)=0 ,带入得最到函数 h(x)=x
实例拓展:
已然是线性回归,模型
hθ(x)=θ0+θ1x
参数有两个:
θ0,θ1
损失函数:
J(θ0,θ1)=12m∑mi=1(hθ(xi)−yi)2
目标:
minJ(θ0,θ1)