刚开始学机器学习，正在coursera上学吴恩达老师的课，遇到了一点小问题
因为本身大学的课程就很多，再加上coursera上有截止期限制，没有什么巩固时间，感觉学的不是很扎实，学到第三周逻辑回归之后再加上之前学的彻底懵了，现在忽然回首发现自己hθ(x)，J(θ)，cost(hθ(x)-y)这几个函数什么意思都混了，算法的过程也乱成一锅粥，翻回去看了看讲义，自己总结了一下，希望大神帮忙看一下我说的对不对，谢谢各位老师！：
首先hθ(x)是假设有一个θ向量和x有一定的关系能预测结果y的函数，θ如何的到呢，就要构造一个cost函数来计算每一次预测值h和实际值y的偏差，然后将很多的偏差利用J函数求出平均来并且最小化这个J，此时的θ就可以补全最开始的预测函数h
1个回答
你说的是对的
$h_\theta$是模型，$\theta$是模型的参数
$h_\theta(x)$是模型在样本$x$上的预测值
$h_\theta(x)-y$是预测值和真实值的差
$J_\theta$可以表示模型参数为$\theta$时的损失函数，你的目标是找到最优的$\theta$让$J(\theta)$越小越好
在回归时$J_\theta$也可以表示为
$$J_\theta=\sum_{(x, y)\in S}(h_\theta (x) - y)^2=\sum_{(x,y)\in S}\text{Cost}(h_\theta (x), y)$$
SofaSofa数据科学社区DS面试题库 DS面经
飞翔钉子
2018-11-04 16:30
谢谢老师！这样系统的总结出来就清楚多了！
-
shawnw
2018-11-04 16:42
哈哈，不客气，我不是老师，我也是学生，互相学习，共同进步呐
-
飞翔钉子
2018-11-05 09:46
相关讨论
随便看看