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
Octave实现多变量线性回归
最新推荐文章于 2024-01-01 08:30:00 发布
本文介绍了如何利用Octave实现多变量线性回归，包括特征缩放、代价函数的计算以及多变量梯度下降法的具体实现，涵盖了从公式推导到实际代码的过程。
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
最低0.47元/天 解锁文章
扫一扫
636
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
