机器学习|代价函数绘制

砂锅咸鱼

于 2022-03-24 14:09:50 发布

阅读量2k

点赞数 1

分类专栏： Machine Learning 文章标签：机器学习

本文链接：https://blog.csdn.net/Lattewow/article/details/123709538

版权

本文介绍了在学习Andrew NG的机器学习课程时尝试绘制代价函数的过程。通过定义一个一元函数，作者使用循环改变参数θ1来计算代价函数J的值，并将其存储在列表中。最初的方法导致错误，但通过调整思路，避免了使用固定步长的θ1数组，最终成功绘制出了代价函数的图形。

摘要由CSDN通过智能技术生成

最近在学习Andrew NG的机器学习课程，上到定义函数的时候，就想着能否把代价函数画出来。

首先在编辑器定义一个函数文件，保存到工作路径中

function J = costFunctionJ(X,y,theta)
  m = size(X,1);  %样本量
  predictions = X*theta
  sqrErrors = (predictions-y).^2;
  J = 1/(2*m)*sum(sqrErrors);

这是一个简单的一元函数，表达式为

$y = \theta_0+\theta_1x$

我的思路就是写一个循环，然后循环中改变 θ1 计算代价函数J的值，并且储存到列表J_list中，最后再plot(θ1,J)得到结果

J_list = list()
for i = 1:10,
  theta = [0;i];
  J = costFunctionJ(X,y,theta);
  J_list(i) = J 
end;
list = (1:10)
plot(list,J_list)

但是这样会报错，于是改变了思路，不用theta=[0;i]表示了，我只要在上一个theta的基础上增加θ1就可以了，于是代码更改如下：

J_list = list()
theta = [0;1]
for i = 1:10,
  delta = (i-1)*[0;1];
  theta &

关注