机器学习-coursera exercise2-逻辑回归

在第二次的练习中，我们将讨论逻辑回归的问题来预测一个学生能否被一个学校接收！

一、逻辑回归

题目描述：假如你是一个学校的校长，你需要判断每一个申请者能否被接收，依据的是两次的考试成绩。你有的是之前的申请者的数据来作为逻辑回归的训练集，对于每一个训练实例，你都有他的两门考试的成绩和他是否被接收了！你的任务就是建立一个分类模型，决定申请者被接收的概率？

（1）可视化数据

在ex2.m里面已经完成了如何获取数据的部分，你需要完成在plotData.m里面的内容来绘制一个2Dplot，要求横轴是考试1的成绩，纵轴是考试二的成绩，+表示被录取，黄色圆表示没有被录取。

ex2.m:

data = load('ex2data1.txt');
X = data(:, [1, 2]); y = data(:, 3);

plorData.m:

pos = find(y==1);
neg = find(y==0);
plot(X(pos,1),X(pos,2),'k+','LineWidth',2,'MarkerSize',7);%X(pos,1)表示取得pos那些行，第一列的元素，输出一个数组！k表示边界是黑色的
plot(X(neg,1),X(neg,2),'ko','MarkerFaceColor','y','MarkerSize',7);%y表示标记面部颜色是黄色的

本来其实设置x和y轴标签和设置提示legend都可以卸载plotData.m里面，但是这里ex2.m里面写了，所以我们就省去了这个步骤了

ex2.m:

% Put some labels 
hold on;
% Labels and Legend
xlabel('Exam 1 score')
ylabel('Exam 2 score')

% Specified in plot order
legend('Admitted', 'Not admitted')
hold off;

（2）implementation

step1：完成sigmoid函数（要求你完成的sigmoid函数必须不仅能够计算scalar标量，还可以计算矩阵和向量上的每一个元素）

假设函数：

g = zeros(size(z));
g = 1./(1+exp(-z));

step2：代价函数和梯度下降

代价函数：

梯度（即每个参数的求导）：