本次文章内容:
Coursera吴恩达机器学习课程,第三周编程作业。编程语言是Matlab。
学习算法分两部分进行理解,第一部分是对算法结构进行口头综述,第二部分是代码。
0 Introduction
本作业中,将执行逻辑回归并将其应用于两个不同的数据集。一个是线性可分数据集,另一个是非线性的数据集,降级引入正则化。
1 Logistic Regression
part 1 algorithm
Part 0 Initialization & Load Data ,常规操作初始化并加载数据。
Part 1: Plotting ,数据可视化,将data拆分成X和y,并绘出图像。
Part 2: Compute Cost and Gradient ,计算Cost 和Gradient。
Part 3: Optimizing using fminunc
使用part2部分的值,带入 fminunc 函数返回最优解(cost和theta),并在图像中画出DecisionBoundary曲线。
Part 4: Predict and Accuracies
根据得出的theta值,计算训练集上的精度accuracy。
p = predict(theta, X)得出的布尔值,mean(A)返回A中元素的平均值。 从而预测精度。
part 2 code
略
2 Regularized logistic regression
part 1 algorithm
Part 0 I