吴恩达机器学习ex3

最新推荐文章于 2024-06-03 13:00:36 发布

hhhhhen

最新推荐文章于 2024-06-03 13:00:36 发布

阅读量852

点赞数

分类专栏： machine learning 文章标签： machine learning matlab

本文链接：https://blog.csdn.net/weixin_44421594/article/details/88805821

版权

这篇博客详细解析了吴恩达机器学习课程实验3中IrCostFunction和oneVsAll的实现，涉及矩阵运算、最大值计算以及预测函数predictOneVsAll。内容包括矩阵相乘表示求和、ones函数的应用、all_theta矩阵的构建以及fmincg优化函数的使用。此外，还介绍了max函数在不同维度上的应用，以及size函数获取矩阵尺寸的多种方式。最后提到了神经网络部分，重点在于已训练权重的运用。

摘要由CSDN通过智能技术生成

注：练习答案参考了下列两个博客，感谢分享。

https://blog.csdn.net/zongzongzong2015/article/details/50352818

https://blog.csdn.net/BRAVE_NO1/article/details/82731242

IrCostFunction.m

% Initialize some useful values
m = length(y); % number of training examples

% You need to return the following variables correctly 
J = (1/m)*((-y'*log(sigmoid(X*theta)))-(1-y)'*log(1-sigmoid(X*theta)))+lambda/(2*m)*(theta(2:end)'*theta(2:end));
theta_temp=theta;
theta_temp(1)=0;
grad =(1/m)*(X')*(sigmoid(X*theta)-y)+lambda/m*theta_temp;

note:公式按文件中给出。其中求和用矩阵相乘来表示，求和的列向量也用矩阵相乘表示。

oneVsAll.m

% Some useful variables
m = size(X, 1);
n = size(X, 2);
all_theta=zeros(num_labels,n+1);
% Add o

最低0.47元/天解锁文章

hhhhhen

关注

0
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
吴恩达机器学习ex3

注：练习答案参考了下列两个博客，感谢分享。https://blog.csdn.net/zongzongzong2015/article/details/50352818https://blog.csdn.net/BRAVE_NO1/article/details/82731242IrCostFunction.m% Initialize some useful valuesm =...
复制链接

扫一扫