Matlab中fminunc函数的意义以及options函数的初级用法

最新推荐文章于 2024-09-01 00:45:00 发布

信号挖掘机

最新推荐文章于 2024-09-01 00:45:00 发布

阅读量4.2k

点赞数 1

本文链接：https://blog.csdn.net/qq_40130759/article/details/77954481

版权

本文详细介绍了在Matlab中如何使用fminunc函数和options函数来优化自定义函数。通过举例说明了fminunc函数的输入参数fun、x0和options的用法，特别是options参数中的'GradObj'和'MaxIter'选项。同时，解释了函数的输出参数[x, fval, exitflag]的含义，帮助理解函数优化过程。" 99549249,5586753,Android帧动画详解与实现,"['Android开发', '帧动画']

摘要由CSDN通过智能技术生成

本文问题出自Stanford大学 Andrew Ng老师的机器学习week 3 Logistic Regression Model 中出现如下高级函数：
这里写图片描述
该过程涉及matlab两个函数 fminunc 和options;
要清楚的了解这两个算法如何使用，我们需要知道自定义函数的使用方法，以图上的自定义函数function [jVal,gradient] = costFunction(theta) 为例。该自定义函数传入一个theta参数(2x1)。并计算代价值 jVal = jVal = (theta(1)-5)^2 + (theta(2)-5)^2; 和每次迭代的梯度值 gradient(1) = 2*(theta(1)-5); gradient(2) = 2*(theta(2)-5);
计算结束后返回两个参数[jVal,gradient],注意这两个参数位置尤为重要，第一个返回值为jval计算值(类似于y = f(x)中的y)，第二个返回值为gradient（类似于y = a+bx中的a,b）在下面的fminunc函数格式定义中需要用到。
要使用fminun函数的如下形式：[x,fval,exitflag] = fminunc(fun,x0,options);
该方法需要定义3个输入参数fun,x0和options;我们以图片的为例子进行fminunc用法的说明。
图片中的第一个输入参数fun 定义为 @costFuncti