实验二:逻辑回归
一、实验目的
实现 logistic 回归,并将其应用于两个不同的数据集。
二、实验环境
Window10,Octave
三、实验步骤/过程
1.逻辑回归:
1.1可视化数据:在plotData.m中添加代码:
1.2 Sigmoid 函数:在 sigmoid.m中添加代码:
g=1./(1+exp(-z));
1.3 代价函数和梯度:在costFunction.m 中添加代码:
1.4 使用 fminunc 学习参数
1.5评价逻辑回归:在predict.m中添加代码:
2.正则化逻辑回归:
2.1可视化训练集数据:使用 plotData 可视化数据集。
2.2特征映射:从每个数据点创建更多的特征以更好地拟合数据。
2.3代价函数与梯度:在 costFunctionReg.m中添加代码:
2.4绘制决策边界:已提供函数 plotDecisionBoundary.m可以绘制(非线性)决策边界将正反例分开,更好地可视化分类器学习的模型。
四、实验结果
1.1可视化数据:
1.3代价函数和梯度:
1.4 使用 fminunc 学习参数:
1.5评价逻辑回归:
2.1可视化训练集数据:
2.3代价函数与梯度:
2.4绘制决策边界: