Matlab中fminunc函数的意义以及options函数的初级用法。

本文问题出自Stanford大学 Andrew Ng老师的机器学习week 3  Logistic Regression Model  中出现如下高级函数：

该过程涉及matlab两个函数 fminunc 和options。

1、自定义函数

以图上的自定义函数function [jVal,gradient] = costFunction(theta) 为例。该自定义函数传入一个theta参数，并计算代价值(jVal) 和每次迭代的梯度值(gradient)。

2、fminun函数

形式：[x,fval,exitflag]  = fminunc(fun,x0,options)

该方法需要定义3个输入参数fun,x0和options。

第一个输入参数 fun 定义为 @costFunction。该“@”符号涉及句柄知识，

第二个输入参数 x0 定义为 initialTheta ，该参数为一个 2x1矩阵（2个元素的列向量）。该列向量为用户自定义梯度下降法的输出参数，使用前要预先初始化。

第三个输入参数为 options。该参数的的作用包括是否使用用户自定义的梯度下降公式（GradObj）以及迭代次数（MaxIter）。如上例中，options = optimset('GradObj','on','MaxIter','100')，表示使用了自定义的梯度下降公式并且把迭代次数设为迭代100次。 

该方法的3个输出参数x,fval和exitflag。

第一个输出参数x为上面function [jVal,gradient] = costFunction(theta)中的第二个返回值graient

第二个输出参数fval为costFunction函数的第一个返回值jVal 

第三个输出exitflag返回值为0或1，表示在theta点定义的Jval函数是否收敛

例子中使用了自定义的梯度下降公式（costFunction中的gradient返回值），并且把迭代次数设为迭代100次。