带有特定训练集的J(0,1)的成本函数是什么?

时间:2019-02-13 03:10:52

标签: machine-learning gradient-descent

我正在Coursera上的机器学习课程上学习,但是我无法在以下任务上获得正确答案:

对于这个问题,假设我们使用的是训练集:

x,y

3,2

1、2

0,1

4、3

回想我们对成本函数的定义是

gradient descent

什么是J(0,1)?

  

我的解决方案:

我绘制x,y训练集,并使用J(0,1)与预测y和点x的差始终为1。J(0,1)线是(1 ,1),(2,2),(3,3)等。

因此成本函数为:

=(1/2 * 4)*((1-0)+(1-1)+(1-3)+(1-4)平方

=(1/8)*(1 + 0 +(-2)+(-3))平方

=(1/8)* 14

= 14/8

= 1.75

我认为我的方法不正确。我在这里很难解释,所以请让我知道你们是否有任何疑问

2 个答案:

答案 0 :(得分:0)

费用函数为:

(因为预测的Y在这种情况下将等于X)

= 1/8 * [(3-2)^2 + (1-2)^2 + (0-1)^2 + (4-3)^2]

= 0.5

答案 1 :(得分:0)

成本函数将

在这种情况下,Y等于X 因此

=(1/2 4) [(3-2)^ 2 +(1-2)^ 2 +(0-1)^ 2 +(4-3)^ 2]

= 0.5