机器学习2_逻辑回归和标准化的逻辑回归_AndrewNG
来源:互联网 发布:自从做了淘宝客服 编辑:程序博客网 时间:2024/05/16 01:37
1.在plotData.m中YOUR CODE后(以后的加入位置均是)加入:
% Find Indices of Positive and Negative Examples
pos = find(y==1); neg = find(y == 0);
% Plot Examples
plot(X(pos, 1), X(pos, 2), 'k+','LineWidth', 2, ...
'MarkerSize', 7);
plot(X(neg, 1), X(neg, 2), 'ko', 'MarkerFaceColor', 'y', ...
'MarkerSize', 7);
2.在sigmoid.m加入:
g = 1.0 ./ (1.0 + exp(-z));
3.在命令窗口检验sigmoid函数
sigmoid(0)
结果为0.5
再试一个矩阵就可以submit。
4.在costFunction.m
加入
h = sigmoid(X * theta);
J = (1.0/m) * sum(-y .* log(h) - (1.0 - y) .* log(1.0 - h));
grad = (1.0/m) .* X' * (h - y);
然后运行ex2.m,submit.
5.在predict.m
加入:
p = sigmoid(X* theta);
index_1 = find(p > 0.5);
index_0 = find(p <= 0.5);
p(index_1) = ones(size(index_1));
p(index_0) = zeros(size(index_0));
然后运行ex2.m,submit.
6.在costFunctionReg.m
加入
h = sigmoid(X * theta);
J = (1.0/m) * sum(-y .* log(h) - (1.0 - y) .* log(1.0 - h)) + lambda / (2 * m) * norm(theta(2:end))^2;
reg = (lambda/m) .* theta;
reg(1) = 0;
grad = (1.0/m) .* X' * (h - y) + reg;
其中norm是对向量theta的后面n维求模.
可以改变lambda的值得到不同的结果。
- 机器学习2_逻辑回归和标准化的逻辑回归_AndrewNG
- 【机器学习】线性回归和逻辑回归的理解
- 机器学习:线性回归和逻辑回归的区别
- 机器学习-逻辑回归
- 机器学习:逻辑回归
- 机器学习---逻辑回归
- 【机器学习】逻辑回归
- 机器学习----逻辑回归
- 机器学习 逻辑回归
- 机器学习:逻辑回归
- 机器学习--逻辑回归
- 机器学习-逻辑回归
- 机器学习-- 逻辑回归
- 机器学习-逻辑回归
- 机器学习-逻辑回归
- 【机器学习】--逻辑回归
- 机器学习笔记_逻辑回归
- 机器学习_逻辑回归分类
- Markdown为写作而生
- 使用javaMail发送邮件
- ios网络学习------2 用非代理方法实现同步post请求
- MFC EditCtrl响应回车按键事件
- android的消息机制——Handler机制
- 机器学习2_逻辑回归和标准化的逻辑回归_AndrewNG
- 用plsql查询 该表被引用的 情况
- Python中的时间
- iOS 怎样检测Xcode版本
- vi 学习 转到指定行: 行号+G(大写)
- ios网络学习------3 用非代理方法实现异步post请求
- Swift Cheat Sheet [1] — Basic Types
- 网络多线程小结
- java之静态变量