代价函数的意义

我们来复习上一节的知识：
假设函数：$h_{\theta }(x)={\theta }_0+{\theta }_{1}x$
参数：${\theta }_0,{\theta }_1$
代价函数：$J({\theta }_0,{\theta }_1)=\frac{1}{2m}{\sum }_{i=1}^{i=m}(h(x^i)-y^i{)}^2$
目标：求得当$J({\theta }_0,{\theta }_1)$最小时的${\theta }_0,{\theta }_1$值

做一个简化，令：
$h_{\theta }(x)={\theta }_{1}x$

我们可以画出假设函数和代价函数的值。可知，当${\theta }_1=1$时，有
$h_{\theta }(x)=x$
$J({\theta }_1=1)=\frac{1}{2\ast 3}\ast [(1-1{)}^2+(2-2{)}^2+(3-3{)}^2]=0$

当${\theta }_1=0.5$时，有
$h_{\theta }(x)=0.5x$
$J({\theta }_1=0.5)=\frac{1}{2\ast 3}\ast [(0.5-1{)}^2+(1-2{)}^2+(1.5-3{)}^2]=0.58$

当${\theta }_1=0$时，有
$h_{\theta }(x)=0$
$J({\theta }_1=0)=\frac{1}{2\ast 3}\ast [(0-1{)}^2+(0-2{)}^2+(0-3{)}^2]=2.3$

据此我们可以作出$h_{\theta }(x)$和$J({\theta }_1)$的图

下次我们将继续讨论加上${\theta }_0$的情形