1、在《【线性回归】最简单的线性回归函数在Octave中的实现(一)》的基础上进行了扩展,主要是标识出来的那段代码;
2、将训练结果Thsl,【i(训练集的条数),2(第一列训练的次数,第二列是两次训练的方差的误差)】,在训练完成之后,将Thsl的结果打印出来,就可以明显看到整体拟合的过程以及如何去调整rap(步长)
代码记录,以备后查
%rap表示回归计算的步长
%minvalues表示回归计算的最小偏差,如果小于该值则表示拟合成功,返回TheTa
%maxtimes表示最大拟合次数,如果达到该次数,即使没有拟合成功,也返回最后一次的TheTa值
%x表示x的矩阵
%y表示结果集
%theta表示参数集
function [TheTa,bResult,Thsl] = RepeatGetMini(rap,minvalues,maxtimes,x,y,theta)
curtimes=0;
m=size(theta)(1);
while true,
curtimes=curtimes+1;
J1=costFunctionJ2(x,y,theta);
%theta1=theta1-(rap/m)*(后面i从0到记录集求和)(theta1*x(i)-y(i))*x(i) %...到j,下面的表达达就是theta=theta-(tmpmartrix*x)'.*(rap/m)就上面所说的矩阵
tmpmartrix=theta’x’-y’;
theta=theta-(tmpmartrixx)’.