吴恩达机器学习练习5——正则化线性回归和偏差/方差

该博客介绍了正则化线性回归的概念,通过数据可视化和代价函数阐述了其工作原理。文章详细讲解了如何进行模型拟合,并探讨了在偏差和方差之间的平衡。同时,还涉及多项式回归,特征归一化以及如何选择合适的正则化参数lambda。
摘要由CSDN通过智能技术生成

正则化线性回归

利用水库水位的变化从大坝流出的水量

数据可视化

在这里插入图片描述

代价函数

function [J, grad] = linearRegCostFunction(X, y, theta, lambda)
		m = length(y); % number of training examples
		J = 0;
		grad = zeros(size(theta));
		h = X*theta;
		J = (1/(2*m))*sum((h-y).^2)+lambda/(2*m)*sum(theta(2:end).^2);
		temp = theta;
		temp(1) = 0;
		grad = (1/m)*X'*(h-y) + lambda/m*temp; 
		grad = grad(:);
end

拟合

在这里插入图片描述

偏差、方差折中

function [error_train, error_val] = ...
    learningCurve(X, y, Xval, yval, lambda)
	m = size(X, 1);
	error_train = zeros(m, 1
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值