吴恩达机器学习Day-5（自用版）

最新推荐文章于 2024-10-24 21:34:27 发布

weixin_52591187

最新推荐文章于 2024-10-24 21:34:27 发布

阅读量518

点赞数 9

分类专栏：吴恩达机器学习文章标签：机器学习人工智能

本文链接：https://blog.csdn.net/weixin_52591187/article/details/140093944

版权

吴恩达机器学习专栏收录该内容

7 篇文章 0 订阅

订阅专栏

3.5Visualizing the cost function可视化代价函数

一、回顾：

Model：f（x）=wx+b

Parameters：w，b

Cost Function：J（w，b）= $\boldsymbol{\mathbf{\textbf{}}\frac{1}{2m}\sum_{1}^{m}\left ( \hat{y}^{(i)}-y^{(i)}\right )^{2}}$

Objective目的：minimizeJ(w,b)

二、研究J和w，b的关系

形成了类似汤碗的三维形状，当改变w，b的值时，会得到成本函数的不同值。

J越小，预测效果越好

三、习题补充：

四、代码部分：

①平面可视化

您的目标是找到一个模型 𝑓(𝑥)=𝑤𝑥+𝑏，参数为 𝑤,𝑏，该模型可以在输入 𝑥 的情况下准确预测房屋价值。成本是衡量模型在训练数据上准确程度的指标。上述成本方程 (1) 表明，如果𝑤 和 𝑏𝑏可以选择，从而使预测结果 𝑓(x)与目标数据 𝑦 匹配， (𝑓 $_{w,b}$ (𝑥 $^{^{i}}$ )−𝑦( $^{^{i}}$ )) $^{2}$ 项将为零，成本最小。在这个简单的两点示例中，您就可以做到这一点！在上一个实验中，您确定了 𝑏=100𝑏=100 提供了一个最优解，因此让我们将 𝑏𝑏 设为 100，并关注 𝑤𝑤。