首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >吴恩达机器学习 - 逻辑回归的正则化

吴恩达机器学习 - 逻辑回归的正则化

作者头像
FishWang
发布2025-08-27 12:32:08
发布2025-08-27 12:32:08
5600
代码可运行
举报
运行总次数:0
代码可运行

题目链接:点击打开链接


先贴笔记

这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述

代码:

costFunction.m(求代价和各方向梯度)(注意:
Θ_{0}

单独计算):

代码语言:javascript
代码运行次数:0
运行
复制
function [J, grad] = costFunctionReg(theta, X, y, lambda)
%COSTFUNCTIONREG Compute cost and gradient for logistic regression with regularization
%   J = COSTFUNCTIONREG(theta, X, y, lambda) computes the cost of using
%   theta as the parameter for regularized logistic regression and the
%   gradient of the cost w.r.t. to the parameters. 

% Initialize some useful values
m = length(y); % number of training examples

% You need to return the following variables correctly 
J = 0;
grad = zeros(size(theta));

% ====================== YOUR CODE HERE ======================
% Instructions: Compute the cost of a particular choice of theta.
%               You should set J to the cost.
%               Compute the partial derivatives and set grad to the partial
%               derivatives of the cost w.r.t. each parameter in theta

[~, n] = size(X);
%以下计算一定要记得不正则化theta_0
J = (-y'*log(sigmoid(X*theta))-(1-y')*log(1-sigmoid(X*theta)))/m + ...
lambda/(2.0*m)*(theta(2:n)'*theta(2:n));

grad(1) = X(:,1)'*(sigmoid(X*theta)-y)./m;
grad(2:n) = X(:,2:n)'*(sigmoid(X*theta)-y)./m + lambda/m*theta(2:n);


% =============================================================

end

然后展示下不同λ画出的不同图案

这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2025-08-26,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 先贴笔记
  • 代码:
    • costFunction.m(求代价和各方向梯度)(注意:
  • 然后展示下不同λ画出的不同图案
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档