如何解决梯度下降线性回归,八度
所以我正在尝试解决 Andrew Ng 的 ML Coursera 课程中的第一个编程练习。我在八度音阶中实现线性梯度下降时遇到了一些麻烦。下面的代码显示了我正在尝试实现的内容,根据图片中发布的等式,但我得到的值与预期值不同。我不确定我错过了什么,我希望有人可以解析这个。
%GRADIENTDESCENT Performs gradient descent to learn theta
% theta = GRADIENTDESCENT(X,y,theta,alpha,num_iters) updates theta by
% taking num_iters gradient steps with learning rate alpha
% Initialize some useful values
m = length(y); % number of training examples
J_history = zeros(num_iters,1);
theta0 = theta(1);
theta1 = theta(2);
temp0 = 0;
temp1 = 0;
errFunc = 0;
for iter = 1:num_iters
h = X * theta;
errFunc = h - y;
temp0 = temp0 + (alpha/m).*sum(errFunc'*X(:,1));
temp1 = temp1 + (alpha/m).*sum(errFunc'*X(:,2));
theta0 = theta0 - temp0;
theta1 = theta1 - temp1;
theta = [theta0; theta1];
% ============================================================
% Save the cost J in every iteration
J_history(iter) = computeCost(X,theta);
end
end
code 我的预期结果是 [ -3.6303; 1.1664],但我得到 [-1.361798; 0.931592]。这是我正在使用的等式。 results
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。