Coursera-吴恩达-机器学习-第三周-编程作业: Logistic Regression

本文介绍了Coursera上吴恩达的机器学习课程第三周编程作业,涉及Matlab实现的逻辑回归。内容包括逻辑回归的算法解释和代码实现,以及正则化的逻辑回归,通过数据可视化、成本和梯度计算、优化求解以及预测精度评估等步骤,展示了逻辑回归在线性可分和非线性数据集上的应用。
摘要由CSDN通过智能技术生成

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 

 

2 Regularized logistic regression

part 1 algorithm 

Part 0 I

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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