在監督學習的回歸問題中，代價函式就是用於找到最優解的目的函式，反應了**函式的準確性。代價函式的值越小，說明在回歸問題的中，電腦程式對資料擬合的越好。也就是假設函式越正確。
比如，對於這個假設函式（可以看成是求房價的假設函式）:
代價函式是：
也就是 **值與真實值的差的平方和，再除以2m（2倍樣本數量）。
在假設函式中：θ0和θ1兩個引數，不同的引數會有不同的假設函式
如下圖所示：
在擬合資料的過程中，我們要不斷的修改θ0和θ1這兩個引數，來得到更好的引數，從而得到更準確的假設函式，也就就是**函式。那麼我們怎麼來判斷這些引數是否選取的更好，假設函式是否更準確呢？這時候就要用代價函式來反映這些問題。
從cost function中我們可以知道，代價函式的值越小那麼我們的引數就選取的越好，假設函式**的結果也就更準確。
舉個簡單例子：我們把假設函式的引數設定成0.5 那麼他的影象是這樣子：紅色的是真實值。黑色直線是假設函式。
它的的假設函式是誤差平方和，（畢竟有個平方在這裡）為了減少極個別極端的資料，我們把誤差平方和再乘以1/2m.
然後我們不斷改變引數θ1的值：…-0.5….0….0.5….1.5….2…
對代價函式作圖：
然後我們知道代價函式的值越小，說明引數θ1選取的越好，假設函式**就越準確。
上面是乙個引數的假設函式，如果有兩個引數的假設函式的話，他的代價函式影象是這樣的三維立體圖：
我們可以找到在影象的最低點，也就是代價函式的最小值。這個時候的引數最準確，假設函式**的結果也最準確。
然而在實際中，引數往往不止乙個，有多個引數，很多時候無法作代價函式的影象。那麼這個時候我們就通過判斷取得代價函式最小值的時候，來
選擇假設函式的引數。
代價函式 Cost Function
1 代價函式是什麼？理解的代價函式就是用於找到最優解的目的函式，這也是代價函式的作用。2 代價函式作用原理 對於回歸問題，我們需要求出代價函式來求解最優解，常用的是平方誤差代價函式。比如，對於下面的假設函式 裡面有 0和 1兩個引數，引數的改變將會導致假設函式的變化，比如 現實的例子中，資料會以很多...
關於代價函式
代價函式 常用的有ssd sad和satd sad sum of absolute difference sae sum of absolute error 即絕對誤差和 satd sum of absolute transformed difference 即經hadamard變換後再絕對值求和 ...
理解代價函式
q 為什麼會提及關於代價函式的理解？a 在 ml 中線性回歸 邏輯回歸等總都是繞不開代價函式。理解代價函式 是什麼？作用原理？為什麼代價函式是這個？1 代價函式是什麼？代價函式就是用於找到最優解的目的函式，這也是代價函式的作用。損失函式 loss function 是定義在單個樣本上的，算的是乙個樣...