1、正则化线性回归
1.1、数据集的可视化
训练数据集:X表示水位变化的历史记录,y表示流出大坝的水量;
交叉验证数据集:Xval,yval;
测试数据集:Xtest,ytest;
其中,训练数据集12组,交叉验证数据集21组,测试数据集21组。
1.2、正则化线性回归损失函数
不对theta0进行惩罚,lambda为正则化参数。
补充函数linearRegCostFunction:
J = (X*theta-y)'*(X*theta-y)/(2*m)+...
(theta'*theta-theta(1)*theta(1))*lambda/(2*m);
计算得到:
J =
303.9932
1.3、正则化线性回归梯度
梯度计算公式为:
补充函数linearRegCostFunction:
grad = (X*theta-y)'*X(:,2)/m+lambda*theta/m;
grad(1) = (X*theta-y)'*X(:,1)/m;
计算得到:
grad =
-15.3030
598.2507
1.4、训练神经网络
使用函数fmincg对神经网络进行训练,得到的theta为
theta =
1