find函数matlab_吴恩达机器学习之MatLab踩坑版

matlab中m文件编辑器不同部分有不同的颜色，如下图，采用的是cell模式：

用两个%%加空格，表示一个新的Cell段。

下图“%% Mach...”,直到出现下一个“%% ....”，是一个Cell。

有了代码Cell后，可以只运行M文件中某个Cell的代码，而不需要运行整个M文件，便于调试用的。

---

函数：repmat()：转换向量或者矩阵形式

格式：

repmat (A, m)

repmat (A, m, n)

repmat (A, m, n, p …)

repmat (A, [m n])

repmat (A, [m n p …])

函数：numel() 返回向量/矩阵中元素的个数

logistic regression的代价函数

正则化的代价函数（Regularization cost function）

Regularized Linear Regression

1. Gradient descend

repeat {

}

整理可得：

2. Normal function

Regularized logistic regression

cost function:

matlab中函数

size(X,1),返回矩阵X的行数；

size(X,2),返回矩阵X的列数；

find(),

matlab库中的非线性优化-----optimset

options = optimset('param1',value1,'param2',value2,...) %设置所有参数及其值，未设置的为默认值

例:

options=optimset('GradObj', 'on', 'MaxIter', '100');

initialTheta = zeros(2, 1);

[optTheta, functionVal, exitFlah]...

= fminunc(@costFunction, initialTheta, options);

optimset函数：‘GradObj’指用户自定义的目标函数梯度；‘MaxIter’指最大迭代次数，‘100’也就是最大迭代次数，这一项只能为整数。

fminunc函数：有三个输入，第一个输入为costfunction函数的句柄，第二个输入为设置的初始theta值，第三个输入为optimset函数的返回值

optTheta为经函数计算得出的theta值，也就是损失函数最小时theta的取值

神经网络的学习：

代价函数：