Los ejemplos de precios por Wu explican en términos sencillos la función de costos, el video de la función de costo es encontrar los datos de precios de los argumentos más cercanos.
La función de costos ayuda a averiguar cómo poner la función más probable y en forma con nuestros datos. Por ejemplo, en el modelo que hemos formado en el conjunto de entrenamiento (x, y), x representa el área de la vivienda, Y representa el precio de la vivienda, hay que conseguir una hθ función (x) (suponiendo que la función se llama) mediante regresión lineal a como x variable independiente, y como la variable dependiente, una función para predecir el precio de un área dada en la casa.
Parámetro θ0 y theta 1 cambios provocan cambios en los supuestos funcionan, determina la selección de los parámetros se obtiene una línea recta con respecto a la precisión del conjunto de entrenamiento, un valor de separación y los valores en un modelo de formación predicciones obtenido se denomina error de modelado (es decir, la línea azul en el dibujo)
Nuestro objetivo es elegir mínimo enviado cuadrados parámetros del modelo de errores en el análisis de regresión, sustituimos función monovalente , incluso si el valor mínimo de J (θ0, θ1) de.
Supongamos θ0 = 0, buscando versión simplificada de la función de coste
Nos función (x) toma el valor específico cuando θ1 = 1 a H, un número determinado de conjuntos de resultados (1,1), (2,2), (3,3), que h (x) = x cuando, correspondiente J (θ) = 0
Cuando el tiempo θ1 = 0,5, es decir, h (x) = 0.5x, la correspondiente J (θ) = 0,58
Cuando θ1 = 0, es decir, h (x) = x cuando, el J correspondiente (θ) = 2,3
La demanda de arriba es una versión simplificada de la función de coste, si el theta] 0 también añadir parámetro J (θ0, θ1) es un recipiente de la fig.
Con lo que corresponde a las líneas de contorno dibujado la figura, que es un manojo de óvalo, elipse correspondiente a cada uno de J (θ0, θ1) son el mismo valor, si tomamos un punto de las curvas de nivel (800, - 0.15) se pueden extraer correspondiente a hθ (x) de la figura.
Cuando θ0 = 360, θ1 = 0 cuando, hθ (x) es una línea horizontal
Continuamos valorando el centro de la elipse puede ser un hθ adquisición bueno (x), en línea con los resultados de un determinado conjunto de funciones, el conjunto de resultados será distribuida casi uniformemente alrededor de la función hθ (x), esta función permite recta propuso de manera óptima estas juntas de datos.
En pocas palabras, la diferencia entre los valores predichos y reales del modelo actual es una función de coste que se obtiene por. Esta diferencia es una función de los parámetros del modelo, cuanto menor es la mejor esperanza que
