吴恩达的机器学习编程作业5：predict逻辑回归预测模型

关注

原创最新推荐文章于 2026-08-20 12:40:03 发布 1.8k 阅读 AI 写同款· GEO 优化 ›

商业分析师转ML工程师的工程化跃迁路径 机器学习工程师（MLE）的本质是数据产品的交付者，而非算法研究者。其核心能力始于对业务问题的精准翻译、端到端数据管道的可观测治理，以及模型在真实技术栈中的稳定服役能力。相比纯算法背景者，商业分析师天然具备指标归因意识、数据异常敏感度和闭环验证思维——这些正是MLOps落地中最稀缺的工程素养。本文围绕业务理解力、数据闭环意识、工程化落地能力与MLOps前置认知四大关键词，系统拆解如何将BA日常的SQL分析、AB测试设计、报表归因等实践，转化为可复用的ML工程能力，并落地于推荐系统优化、智能预警、规则引擎增强等阅读详情

function p = predict(theta, X)
%PREDICT Predict whether the label is 0 or 1 using learned logistic 
%regression parameters theta
%   p = PREDICT(theta, X) computes the predictions for X using a 
%   threshold at 0.5 (i.e., if sigmoid(theta'*x) >= 0.5, predict 1)

m = size(X, 1); % Number of training examples

% You need to return the following variables correctly
p = zeros(m, 1);

% ====================== YOUR CODE HERE ======================
% Instructions: Complete the following code to make predictions using
%               your learned logistic regression parameters. 
%               You should set p to a vector of 0's and 1's
%
p = 1./(1.+exp(-X*theta))
p = p>0.5






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


end

收录于