本次文章内容: Coursera吴恩达机器学习课程,第五周编程作业。编程语言是Matlab。
学习算法分两部分进行理解,第一部分是根据code对算法进行综述,第二部分是代码。
0 Introduction
在这个练习中,将应用 backpropagation,实现神经网络来识别手写数字。
1 Neural Networks
Algorithm
Part 0 Initialization & Setup the parameters
clear ; close all; clc 的三剑客常规操作。并设置神经网络的结构参数。
下图是我们的Model representation:一共是三层,an input layer,a hidden layer and an output layer.
Part 1: Loading and Visualizing Data
随机选取100个data进行可视化。
Part 2: Loading Parameters
加载已经训练好的theta参数,并将theta展开为我们需要的向量形式。
Part 3: Compute Cost (Feedforward)
要做back propagation,先要做feedforward得到每个class的hypothesis。这部分的代码主要整合在 nnCostFunction()函数中。 根据我们的model,计算得到每个note的activation值,计算cost function(带正则项)。next,我们会在这个函数里计算back propagation,从后向前计算detla value,then计算累积误差,then计算cost function的partial derivative(带正则项)。
Part 4: Implement Regularization
刚刚说到了,并输入测试值检测是否得出正确值。
Part 5: Sigmoid Gradient
sigmoid 函数的derivative有个特殊性质,这里计算其导数。
Part 6: Initializing Pameters
为了防止所有的theta的初始值都是零,或者same,这将会倒是 back propagation 的计算无意义。所以我们random initialization ,根据维度rand() 0或1 value。