按部就班的吳恩達機器學習網課用於討論（5）

• 2020 年 3 月 31 日
• 筆記

Octave操作概覽

hold on  legend('sin','cos')  title('myplot')  plot(t,y2,』r』)  xlabel('time')  ylabel('value')  print –dpng 'myplot.png' 保存圖像  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]) 設置x軸和y軸的範圍  Clf 清除圖像  imagesc(A),colorbar,colormap gray 生成方陣圖

向量化

向量化乘法可以幫助更快更直接的運行乘法並求和。將之前的分別乘法並求和直接轉換為一步的矩陣乘法。

從而可以使用向量化的方法計算theta。

邏輯回歸

使用0表示負類，1表示正類。輸出值在0到1之間，屬於一種分類算法。

線性回歸中，預測值可以超出0-1的範圍，不適合解決分類的問題，應用上因數據影響也容易出錯。

邏輯回歸中，限制輸出在0-1之間，引入sigmod函數，套在預測輸出h外。

決策邊界

在進行分類過程中，建立的模型對分類問題影響很大，不同次方形式的表達式，適應不同特點的數據集。

代價函數

邏輯回歸中代價函數J定義為：

但是其中引入的h函數，使得代價函數J是一個非凸函數？有多個極小值點。

更改其中的cost函數為：

變形：

綜合：