Octave实现多变量线性回归
来源:互联网 发布:php内存回收的机制 编辑:程序博客网 时间:2024/06/06 06:53
1.特征缩放
1.1特征缩放的公式:
1.2特征缩放octave实现:
function [X_norm, mu, sigma] = featureNormalize(X)
X_norm = X;
mu = zeros(1, size(X, 2));
sigma = zeros(1, size(X, 2));
m = size(X , 1);
mu = mean(X);%计算向量X元素的和
for i = 1 : m,
X_norm(i, :) = X(i , :) - mu;
end
sigma = std(X) % 计算向量X元素的标准方差
for i = 1 : m,
X_norm(i, :) = X_norm(i, :) ./ sigma;
end
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
2. 代价函数
2.1 代价函数公式
2.2 代价函数Octave实现
function J = computeCostMulti(X, y, theta)
m = length(y); % number of training examples
J = 0;
h=X*theta;
J=sum((h-y).^2)/(2*m);
end
3.多变量梯度下降
3.1多变量梯度下降公式
3.2 多变量梯度下降Octave的实现
function [theta, J_history] = gradientDescentMulti(X, y, theta, alpha, num_iters)
m = length(y); % number of training examples
J_history = zeros(num_iters, 1);
n = size(X , 2);
for iter = 1:num_iters
H = X * theta;
T = zeros(n , 1);
for i = 1 : m
T = T + (H(i) - y(i)) * X(i,:)';
end
theta = theta - (alpha * T) / m;
J_history(iter) = computeCostMulti(X, y, theta);
end
end
阅读全文
0 0
- Octave实现多变量线性回归
- 多变量线性回归
- 多变量线性回归
- 多变量线性回归程序实现
- C++实现线性回归(多变量)
- 多变量线性回归 原理
- week2 多变量线性回归
- 机器学习实战:多变量线性回归的实现
- 机器学习实战:多变量线性回归的实现
- 线性回归--Octave实现
- 多变量线性回归的解析解
- 多变量线性回归 Multivariate Linear Regression
- 机器学习:多变量线性回归
- 深度学习(多变量线性回归)
- 多变量线性回归(一)
- 多变量线性回归(二)
- Machine Learning第二讲[多变量线性回归] --(一)多变量线性回归
- 机器学习-多变量的线性回归模型与实现笔记
- Ruby 安装 Linux fedora25
- HIT-PYTHON学习笔记(1)-20170705
- python解释器和编辑器
- 安卓开发两秒执行另外一个操作源码 很简单
- SPOJ QTree 1
- Octave实现多变量线性回归
- mysql 超大文件导入 超时报错
- 前端vue.js的安装
- 寻路(A*算法)
- 25 个你需要知道的人工智能术语
- SPOJ QTree2
- HITWH-PYTHON学习笔记(2)-20170706
- pgsql的配置
- 怎么捕获和记录SQL Server中发生的死锁?