按部就班的吴恩达机器学习网课用于讨论（5）

• 2020 年 3 月 31 日
• 筆記

Octave操作概览

hold on  legend('sin','cos')  title('myplot')  plot(t,y2,’r’)  xlabel('time')  ylabel('value')  print –dpng 'myplot.png' 保存图像  figure(1)  plot(t, y1)  figure(2)  plot(t, y2)  subplot(1,2,1)  plot(t,y1)  subplot(1,2,2)  plot(t,y2)  axis([0.5 1  -1 1]) 设置x轴和y轴的范围  Clf 清除图像  imagesc(A),colorbar,colormap gray 生成方阵图

向量化

向量化乘法可以帮助更快更直接的运行乘法并求和。将之前的分别乘法并求和直接转换为一步的矩阵乘法。

从而可以使用向量化的方法计算theta。

逻辑回归

使用0表示负类，1表示正类。输出值在0到1之间，属于一种分类算法。

线性回归中，预测值可以超出0-1的范围，不适合解决分类的问题，应用上因数据影响也容易出错。

逻辑回归中，限制输出在0-1之间，引入sigmod函数，套在预测输出h外。

决策边界

在进行分类过程中，建立的模型对分类问题影响很大，不同次方形式的表达式，适应不同特点的数据集。

代价函数

逻辑回归中代价函数J定义为：

但是其中引入的h函数，使得代价函数J是一个非凸函数？有多个极小值点。

更改其中的cost函数为：

变形：

综合：