<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<oembed>
  <author_name>redhornet96</author_name>
  <author_url>https://blog.hatena.ne.jp/redhornet96/</author_url>
  <blog_title>もふもふ技術部</blog_title>
  <blog_url>https://www.mof-mof.co.jp/tech-blog/</blog_url>
  <categories>
    <anon>machine learning</anon>
    <anon>Coursera</anon>
    <anon>Octave</anon>
    <anon>cost</anon>
    <anon>function</anon>
    <anon>objective function</anon>
  </categories>
  <description>目的関数の実装 おとといあたりに【機械学習入門】線形回帰と仮説関数というエントリを書きましたが、関連して目的関数(cost function)というものがあります。 目的関数は、仮説関数を導くための関数で、簡単に言うと、グラフにプロットされた訓練セットの一つ一つの点に対する誤差(下図の点線部分)の総和を求める関数です。全ての点の誤差が最小であるパラメータθをみつけることで、仮説関数の実際のパラメータが導出出来るというわけです。 数式で表すと、 1/2mや2乗しているところは、二乗誤差法と呼ばれる手法らしい。詳しく突っ込まないことにするけども、やりたいことは上で説明したようなこと。訓練セットのy…</description>
  <height>190</height>
  <html>&lt;iframe src=&quot;https://hatenablog-parts.com/embed?url=https%3A%2F%2Fwww.mof-mof.co.jp%2Ftech-blog%2Fmachine-learning-cost&quot; title=&quot;線形回帰と目的関数(cost function)について - もふもふ技術部&quot; class=&quot;embed-card embed-blogcard&quot; scrolling=&quot;no&quot; frameborder=&quot;0&quot; style=&quot;display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;&quot;&gt;&lt;/iframe&gt;</html>
  <image_url>https://images.ctfassets.net/683ogktz4b18/6Pj4hzHjRF1adYA7znlxQB/2c5a85ded28fa1b0c65693d444e7b4b2/table.png</image_url>
  <provider_name>Hatena Blog</provider_name>
  <provider_url>https://hatena.blog</provider_url>
  <published>2015-12-31 00:00:00</published>
  <title>線形回帰と目的関数(cost function)について</title>
  <type>rich</type>
  <url>https://www.mof-mof.co.jp/tech-blog/machine-learning-cost</url>
  <version>1.0</version>
  <width>100%</width>
</oembed>
