Coursera-机器学习（吴恩达）第三周-编程作业

最新推荐文章于 2021-11-03 15:57:16 发布

hugh___

最新推荐文章于 2021-11-03 15:57:16 发布

阅读量5.9k

点赞数 8

CC 4.0 BY-SA版权

分类专栏：机器学习

本文链接：https://blog.youkuaiyun.com/hugh___/article/details/81736271

这篇博客介绍了Coursera上吴恩达机器学习课程的第三周编程作业，主要内容包括逻辑回归的sigmoid函数实现、代价函数与梯度、使用fminunc优化求解器进行参数最小化以及预测函数predict.m的编写。同时，文章还简要提到了正规化的概念。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、逻辑回归

逻辑回归与线性回归的主要区别在于假设函数，逻辑回归中的假设函数：

hθ(x) = g(θ'x)=sgmoid(θ’x)

1）sigmoid 代码实现

% sigmoid 代码实现
function g = sigmoid(z)
%SIGMOID Compute sigmoid function
%   g = SIGMOID(z) computes the sigmoid of z.

% You need to return the following variables correctly 
g = zeros(size(z));

% ====================== YOUR CODE HERE ======================
% Instructions: Compute the sigmoid of each value of z (z can be a matrix,
%               vector or scalar).

g = 1 ./ (1 + exp(-z));		% 注意“./”


% =============================================================

end