机器学习代价函数和模型函数和梯度下降之间的关系

---

前言

说明几个东西之间的关系

---

一、代价函数与模型

模型是用来预测数据结果的，它的自变量是数据，输出结果是我们所想要知道的结果。而代价函数是用来判断这个模型的这个参数所在已知的数据上产生的误差大小，其自变量是模型的参数，其结果是这个参数下的模型在已知的数据上的误差大小。

二、代价函数与梯度下降算法

因为我们在用一个模型去解决一个问题的时候，我们总希望这个模型产生的误差越小越好。所以梯度下降算法是用来调整模型参数，使得这个参数在这个模型上的误差最小。是一种找代价函数最小值的方法。其找出的收敛点的自变量，是模型的参数，这个参数让模型的误差（代价）达到最小。

三.模型、代价函数、梯度下降

梯度下降调整了参数，使得代价函数值变小，直到最小，然后反馈到模型中使得这几个参数让这个模型在这个参数上具有较好的拟合

---

总结

简单的介绍了这几个东西之间的关系