En este video definiremos las

llamadas funciones de costo. Esto nos permitirá descubrir cómo ajustar la mejor
línea
recta posible para nuestros datos. En la regresión lineal tenemos un conjunto de
entrenamiento
como este. Recuerda que la anotación "m" era el número de ejemplos de
entrenamiento. Entonces,
tal vez m=47. Y la forma de la hipótesis, que usamos para hacer
predicciones, es la función lineal. Para introducir un poco más de terminología,
estas theta cero y theta uno; estas theta i son lo que llamo
parámetros del modelo. Lo que haremos en este video será hablar sobre
cómo escoger estos dos valores de parámetros, theta cero y theta
uno. Con diferentes elecciones de los parámetros de theta cero y theta uno,
obtenemos diferentes
hipótesis, diferentes funciones de hipótesis. Sé que algunos de ustedes
probablemente ya están familiarizados con lo que haré en esta diapositiva, pero
sólo
para revisar tenemos algunos ejemplos. Si theta cero es 1.5 y theta uno es 0,
entonces
la función de la hipótesis se verá así. Bien, debido a que tu función de
hipótesis será "h(x) igual a 1.5 más 0 por x" que es esta función de valor
constante, es plana a 1.5. Si "theta cero es igual a 0 y theta uno
es igual 0.5", entonces la hipótesis se verá así. Y debe pasar por este
punto (2,1), ya que ahora tienes "h(x)" o realmente "h<u>theta (x)" pero
algunas veces omitiré theta por</u> brevedad. Entonces, "h(x)" será igual a sólo
0.5 veces "x" que se ve así. Y, finalmente, si "theta cero es igual a 1 y theta
uno es igual a 0.5", entonces terminaremos con una hipótesis que se ve así. Veamos,
debe pasar por el punto (2,2) de esta manera. Esta es mi nueva "h(x)"
o mi nueva "h<u>theta(x)". ¿De acuerdo? Bien,</u> recuerda que es
"h<u>theta(x)" pero para abreviar</u> algunas veces sólo escribo "h(x)". En
la regresión lineal tenemos un conjunto de entrenamiento, tal vez como el que
trazamos aquí. Lo
que queremos hacer es obtener los valores para los parámetros de theta cero y theta
uno.
De manera que la línea recta que obtenemos de esto, corresponda con una línea recta
que, de alguna forma, se ajuste bien a los datos. Tal vez como esa línea. Entonces,
¿cómo
obtenemos los valores theta cero, theta uno que corresponden al buen ajuste de los
datos? La idea es que vamos a elegir nuestros parámetros de theta cero y theta uno
de modo que "h(x)", que significa el valor que predijimos en la entrada "x", que
esté cerca
de los valores “y” para los ejemplo en nuestro conjunto de entrenamiento, para
nuestros ejemplos de entrenamiento.
En nuestro conjunto de entrenamiento, se nos da un número de ejemplos donde sabemos
que "x" decide
la casa y conocemos el precio real al que se vendió. Así que tratemos de
escoger valores para las parámetros de modo que, por lo menos en el conjunto de
entrenamiento, con
las "x" en el conjunto de entretenimiento, hagamos predicciones razonablemente
precisas para los
valores “y”. Formalicemos esto. En la regresión lineal, lo que haré es que
quiero resolver un problema de minimización. Entonces, escribiré minimizar sobre
theta
cero, theta uno. Y, quiero que esto sea pequeño, quiero que la diferencia
entre "h(x)" y “y” sea pequeña. Y algo que haré es tratar de minimizar la
diferencia
cuadrática entre el resultado de la hipótesis y el precio real de la
casa ¿Ok? Vamos a completar algunos detalles. Recuerda que utilicé la
anotación (x(i), y(i)) para representar el ejemplo de entrenamiento de "i". Bien,
lo que
realmente quiero es la suma de mi conjunto de entrenamiento. La suma de “i” es
igual a 1 para M de
la diferencia cuadrática entre esto es la predicción de mi hipótesis
cuando se introduce el número de “i” del tamaño de la casa menos el precio real al
que
se venderá el número “i” de la casa y quiero minimizar mi suma de conjunto de
entrenamiento
de “i” igual a 1 a través de M de la diferencia de este error cuadrático,
la diferencia cuadrática entre la predicción del precio de la casa y el precio
al que realmente se venderá. Y sólo te recuerdo que la anotación “m” aquí era
el tamaño de mi conjunto de entrenamiento, entonces, “m” es mi número de ejemplos
de entrenamiento. ¿Cierto? El signo de numeral es la abreviatura de “número” para
los ejemplos
de entrenamiento. ¿Ok? Y para hacer las matemáticas un poco más fáciles,
realmente veré, 1 sobre m veces eso. Así que trataremos
de minimizar mi error promedio, y minimizaremos uno por 2m.
Al poner 2, la constante de un medio, en frente hace que las matemáticas sean
un poco más fáciles. Entonces, al minimizar la mitad de algo, debe darte los mismos
valores de los parámetros theta cero, theta uno al minimizar esa función. Y sólo
asegúrate de que esta ecuación esté clara, ¿entendido? Esta expresión de aquí,
h<u>theta(x), esta es</u> nuestra usual, ¿cierto? Es igual a esto
más theta uno x(i). Y, esta anotación, minimiza sobre theta cero y theta uno,
esto quiere decir encuentra los valores de theta cero y theta uno que causan que se
minimice la expresión. Y esta expresión depende de theta cero y theta
uno. ¿Ok? Entonces, sólo para recapitular, planteamos este problema para encontrar
los valores de
theta cero y theta uno, de manera que se reduzca el promedio de uno sobre dos M
veces la
suma de los errores cuadráticos entre mis predicciones del conjunto de
entrenamiento menos los
valores reales de las casas en el conjunto de entrenamiento. Así que esto
será mi función objetivo general para la regresión lineal. Y sólo para
rescribir esto un poco más claro lo que haré mediante la convención
es que generalmente definimos una función de costos. Que será exactamente esto. La
fórmula que tengo aquí. Y lo que quiero hacer es minimizar, sobre theta cero y
theta uno, mi función J de theta cero coma theta uno. Sólo escribe
esto, esta en mi función de costos. Esta función de costos también se llama error
cuadrático o algunas veces se llama función de costos de error cuadrático y resulta
que, ¿por qué tomamos los cuadrados de los errores? Resulta
que la función de costos del error cuadrático es una elección razonable y
funcionará bien en
la mayoría de los problemas, para la mayoría de los problemas de regresión. Hay
otras funciones de costos
que funcionarán muy bien, pero la función de costos de error cuadrático es
probablemente
la más usada para los problemas de regresión. Más adelante en esta clase, también
hablaremos sobre
las funciones de costos alternativas pero esta elección que hicimos debe ser algo
razonable para intentar con la mayoría de los problemas de regresión. Ok. Entonces,
esa es la función de costos. Hasta ahora hemos visto la definición matemática de
esta
función de costos y en caso de que esta función J de theta cero, theta uno en caso
de
que esta función parezca un poco más abstracta y que aún no entiendas bien
qué hace, en el siguiente video, en los siguientes videos veremos
de forma más profunda qué hace la función de costos J y trataré de darte
una mejor intuición de qué es el cálculo y por qué queremos usarlo.