a553455的博客

用向量化的方式一次性求得了正则化的梯度与代价函数需要注意的是不要把theta0进行正则化。grad=X'*(sigmoid(X*theta)-y)/m;temp = theta; temp(1) = 0;J=(-y'*log(sigmoid(X*theta))-(1-y')*log(1-sigmoid(X*theta)))/m+lambda/(2*m)*(temp'*temp);g...

逻辑回归是将h(x)用好处是可以将h(x)的值限定在(0.1)但是计算cost function的时候，有很多局部最优点，所以用以下函数来计算为了方便计算cost和对cost function进行求导，合并cost function如下最后计算得到的迭代函数和线性回归一样额外讲的一点是，计算出来cost function和对cost function求偏导的函数后，可以将这两个函...

第一周作为入门主要讲了以下主要四个概念监督式学习（Supervised Learning）给定训练集训练标识类别，训练成功之后，再输入数据，预测分类。非监督式学习（Unsupervised Learning）给定数据集，让算法自动识别进行分类损失函数（Cost Function）在入门的例子情况下，损失函数就是表示线性回归的函数的y值和实际数据的y值的差的平方和。梯度下降算法（Gr...