吴恩达机器学习课后练习-ex2
所用到的文件 ex2.m-Octave/MATLAB脚本,该脚本引导您完成ex2 reg.m-Octave/MATLAB脚本,用于ex2data1.txt练习的后面部分- Ex2data1.txt练习的前半部分的训练集- ex2data2.txt练习的后半部分的训练集提交。m-提交脚本,用于将您的解决方案发送到我们的服务器 mapFeature.m-生成多项式特征的函数 plot decision boundary.m-绘制分类器决策边界的函数 [?]plot data.m-打印二维分类数据的函数 [?]sigmoid.m-sigmoid功能 [?]costFunction.m-Logisti 【吴恩达机器学习课后练习-ex2】是关于机器学习的一个实践环节,主要涉及到的是逻辑回归模型的构建和优化。在这个练习中,你需要使用MATLAB或者Octave环境,配合提供的脚本来完成一系列任务。 你需要理解逻辑回归(Logistic Regression)的基本概念。它是一种分类算法,尤其适用于二分类问题。逻辑回归通过一个Sigmoid函数将线性回归的连续输出映射到(0,1)之间,从而得到一个概率估计,这个概率可以用来判断样本属于某一类的概率。 1. **可视化数据(Visualize Data)**: 使用`plotData`函数可以绘制出训练数据的分布,帮助我们直观地理解数据的特征。数据分为两类,正例(positive examples)和负例(negative examples),在二维图上分别以不同标记表示。这对于理解和调试模型是非常有用的。 2. **sigmoid函数的实现(Implementing the Sigmoid Function)**: Sigmoid函数是逻辑回归的核心,它将实数值映射到0到1之间,公式为`g(z) = 1 / (1 + e^(-z))`。你需要在`sigmoid.m`文件中实现这个函数,使其能够处理向量和矩阵输入,确保函数的正确性和效率。 3. **成本函数与梯度(Cost Function and Gradient)**: 逻辑回归的成本函数是交叉熵损失函数,公式为`J(θ) = -1/m [ Σ(yi log(hθ(xi)) + (1-yi) log(1-hθ(xi))) ]`,其中m是样本数,yi是真实标签,hθ(xi)是预测概率。同时,你需要计算梯度,即成本函数关于每个参数θj的偏导数,用于后续的优化过程。`costFunction.m`文件包含了这部分的实现,完成后的成本函数在给定初始参数时应该返回约0.693。 4. **参数学习(Learning Parameters with fminunc)**: 在`costFunction.m`文件中,你可以使用内置的优化工具`fminunc`来最小化成本函数,找到最佳的参数θ。`fminunc`是用于非线性优化的函数,它可以找到成本函数的局部最小值。通过最小化成本函数,我们得到的θ值将使得模型的预测尽可能接近真实标签。 5. **正则化逻辑回归(Regularized Logistic Regression)**: 在实际问题中,为了避免过拟合,我们通常会添加正则化项。`costFunctionReg.m`文件中包含了正则化的成本函数,正则化项通常是L2范数,即`λ/2m Σ(θj)^2`,其中λ是正则化参数。 6. **预测函数(Prediction Function)**: 实现`predict.m`函数,根据θ和特征向量x进行分类。当hθ(x) > 0.5时,预测为1(positive),否则预测为0(negative)。 7. **决策边界(Decision Boundary)**: `plotDecisionBoundary.m`函数用于绘制分类器的决策边界,帮助我们直观地看到模型是如何将数据分成两类的。 在练习过程中,你会经历数据预处理、模型构建、优化以及结果评估的完整流程,这是理解机器学习模型工作原理的关键步骤。通过吴恩达的课程,你不仅会掌握逻辑回归,还能提升编程和问题解决的能力。
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![txt](https://img-home.csdnimg.cn/images/20210720083642.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![](https://csdnimg.cn/release/download_crawler_static/14885091/bg1.jpg)
![avatar-default](https://csdnimg.cn/release/downloadcmsfe/public/img/lazyLogo2.1882d7f4.png)
![avatar](https://profile-avatar.csdnimg.cn/default.jpg!1)
- 粉丝: 6
- 资源: 904
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![voice](https://csdnimg.cn/release/downloadcmsfe/public/img/voice.245cc511.png)
![center-task](https://csdnimg.cn/release/downloadcmsfe/public/img/center-task.c2eda91a.png)
最新资源
- SQL中的CREATE LOGFILE GROUP 语句.pdf
- C语言-leetcode题解之第172题阶乘后的零.zip
- C语言-leetcode题解之第171题Excel列表序号.zip
- C语言-leetcode题解之第169题多数元素.zip
- ocr-图像识别资源ocr-图像识别资源
- 图像识别:基于Resnet50 + VGG16模型融合的人体细胞癌症分类模型实现-图像识别资源
- C语言-leetcode题解之第168题Excel列表名称.zip
- C语言-leetcode题解之第167题两数之和II-输入有序数组.zip
- C语言-leetcode题解之第166题分数到小数.zip
- C语言-leetcode题解之第165题比较版本号.zip
![feedback](https://img-home.csdnimg.cn/images/20220527035711.png)
![feedback-tip](https://img-home.csdnimg.cn/images/20220527035111.png)
![dialog-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/green-success.6a4acb44.png)