吴恩达机器学习ex2

本文详述了逻辑回归的实现过程,包括数据可视化、sigmoid函数、损失函数与梯度计算,以及如何使用fminunc优化参数。此外,还探讨了逻辑回归的正则化,特征映射和不同正则化参数lambda对模型的影响。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

逻辑回归

题目介绍:用现有的数据建立分类模型,通过给出的成绩,预测学生是否能够进入大学,前两维都是学生的成绩,第三维是标签,代表是否能进入大学。

1.数据可视化

在开始实现算法之前,将数据可视化通常是很有帮助的。这一部分代码已给出。

% 分出正样本和负样本的点
pos = find(y == 1);
neg = find(y == 0);

% 绘制
plot(X(pos, 1), X(pos, 2), 'k+', 'LineWidth', 2, 'MarkerSize', 7);
plot(X(neg, 1), X(neg, 2), 'ko', 'MarkerFaceColor', 'y', 'MarkerSize', 7);

正样本的点用黑色的十字形状表示,后面两个参数表示线条宽度以及标点的大小;负样本的点用黄色的圆圈表示。
在这里插入图片描述

2.实现

2.1 sigmoid 函数

逻辑回归的假设函数:
在这里插入图片描述
其中的函数g就是sigmoid函数,定义为:
在这里插入图片描述
该函数常用作激活函数,将变量映射到0,1之间,函数曲线光滑,易于求导,可以很好地用于处理二分类问题

g = 1 ./ (1+exp
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值