吴恩达的机器学习-RegularizedLinearRegression

最新推荐文章于 2025-03-12 21:19:20 发布

杓-（wujianya）

最新推荐文章于 2025-03-12 21:19:20 发布

阅读量486

点赞数

CC 4.0 BY-SA版权

分类专栏：机器人学习

本文链接：https://blog.youkuaiyun.com/tianjilieren/article/details/86765162

机器人学习专栏收录该内容

28 篇文章

订阅专栏

本文通过MATLAB代码详细展示了正则化技术在多项式回归模型中的应用过程，包括模型训练、参数更新及预测效果对比。通过调整正则参数l，观察其对模型复杂度和过拟合的影响，最终实现对数据拟合效果的优化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

clc
clear all
close all

rate=0.002;
qp=zeros(3,3);
data = load('RegularizedData.txt');
plot(data(:,1),data(:,2),'*');
trainData = data(1:10, 1);
Price= data(1:10, 2);
trainData =[ones(size(trainData,1),1) trainData diag(trainData*trainData') diag(diag(trainData*trainData')*trainData') diag(diag(diag(trainData*trainData')*trainData')*trainData')]
q=[1;1;1;1;1];

h=(q'*trainData')';

for i=1:100000
q=q-(rate/10)*((h-Price)'*trainData)';
h=(q'*trainData')';
df=((h-Price)'*trainData)';
if abs(max(df))<0.00000001
break;
end
end
hold on
(q'*trainData')'-Price

x = linspace (0,1.1); %区间用小括号表示
F=q(5)*x.^4+q(4)*x.^3+q(3)*x.^2+q(2)*x+q(1);

plot(x,F);

%%进行正则化后的
l=60;
q2=[1;1;1;1;1];

h=(q2'*trainData')';

for i=1:100000
q2=q2-(rate/10)*((h-Price)'*trainData)';
q2(2:5)=q2(2:5)*(1-rate*(l/10));
h=(q2'*trainData')';
df=((h-Price)'*trainData)';
if abs(max(df))<0.00000001
break;
end
end
(q2'*trainData')'-Price

x = linspace (0,1.1); %区间用小括号表示
F=q2(5)*x.^4+q2(4)*x.^3+q2(3)*x.^2+q2(2)*x+q2(1);

plot(x,F,'b');

当正则参数l取为100时的图像如蓝色曲线：