Cost Function - Intuition I

Courseraオンライン講座の機械学習コースを 直感的な理解を優先して、ゆるーく 解説しています。 正確には公式サイトを参照して下さい。 [MachineLearning Week1](https://www.coursera.org/learn/machine-learning/home/week/1) ## Cost Function - Intuition I Linear Regression Modelでの目的関数は 以下のように表されます。

$$ J(\theta_0, \theta_1) = \frac{1}{2m}\sum^{m}_{i=1}(h_\theta(x^{(i)})-y^{(i)})^2 $$

この式を記憶する必用はありません。 この通りプログラムしていけば、 機械学習を行うことができるので、 心配はいりません。 仮説関数は、以前説明したように、以下のように表されます。 $$ h_{\theta}(x) = \theta_0 + \theta_1 x$$ 各学習サンプルと、 この仮説の二乗差の平均が、 最小になるような $\theta_0$, $\theta_1$ を求めたいわけです。 そうすると 目的関数$J(\theta_0, \theta_1)$ の値が最小誤差となり、 最適値が求められるというわけです。