前段時間一直在看ng老師的機器學習 看的雲裡霧裡的 就想找題來寫寫
然後就在網上找到了一道根據 父母身高和孩子身高的訓練集 來**父母身高和孩子身高的關係
主程式：
a=load('fumushenggao.txt');
b=load('children.txt');
c=(a(:,1)+a(:,2))*0.5;
plot(c,b,'rx');
m=length(b);theta0=0;theta1=1;alfa=0.00007;jvec=zeros(1000,1);
jvec(1,1)=cal_j(theta0,theta1,c,b);
theta0=theta0-alfa/m*sum(theta0*ones(m,1)+theta1*c-b);
theta1=theta1-alfa/m*sum((theta0*ones(m,1)+theta1*c-b).*c);
jvec(2,1)=cal_j(theta0,theta1,c,b);
ii=2;
while jvec(ii-1,1)-jvec(ii,1)>=0.01
ii=ii+1;
theta0=theta0-alfa/m*sum(theta0*ones(m,1)+theta1*c-b);
theta1=theta1-alfa/m*sum((theta0*ones(m,1)+theta1*c-b).*c)
jvec(ii,1)=cal_j(theta0,theta1,c,b);
endfigure;
plot(jvec);%axis([0 10 0 60000]);
x=[150:200];y=theta0+theta1*x;
figure;
plot(x,y,'y');
function j=cal_j(th1,th2,x,y)
n=length(x);
h=th1*ones(n,1)+th2*x-y;
j=h'*h/2/n;
end
165 175
155 160
152 180
168 172
150 162
172 186
168 190
158 165
175 182
162 165
177
162178
175165
188190
167188
170
訓練集：
代價函式：
線性回歸模型：
感謝博主
然後我在博主的**上加上自己的理解
a=load('fumushenggao.txt');%讀取父母身高資料
b=load('children.txt');%讀取孩子身高資料
c=(a(:,1)+a(:,2))*0.5;%取父母的平均身高
plot(c,b,'rx');//列印這些點
m=length(b);theta0=0;theta1=1;alfa=0.00007;jvec=zeros(1000,1);// 這些都是代價函式要用的值
jvec(1,1)=cal_j(theta0,theta1,c,b);
theta0=theta0-alfa/m*sum(theta0*ones(m,1)+theta1*c-b);
theta1=theta1-alfa/m*sum((theta0*ones(m,1)+theta1*c-b).*c);
jvec(2,1)=cal_j(theta0,theta1,c,b);
ii=2;
while jvec(ii-1,1)-jvec(ii,1)>=0.01 % 當滿足此條件 我們基本上理解為找到了最低點
ii=ii+1;
theta0=theta0-alfa/m*sum(theta0*ones(m,1)+theta1*c-b);
theta1=theta1-alfa/m*sum((theta0*ones(m,1)+theta1*c-b).*c)
jvec(ii,1)=cal_j(theta0,theta1,c,b);
endfigure;
plot(jvec);%axis([0 10 0 60000]);
x=[150:200];y=theta0+theta1*x;
figure;
plot(x,y,'y');
function j=cal_j(th1,th2,x,y)
n=length(x);
h=th1*ones(n,1)+th2*x-y;
j=h'*h/2/n; %h'*h就是h^2的和 說不清 自己動手去測試一下吧
end
theta0 theta1 變化規則
吳恩達機器學習程式設計作業python版 第一次作業
我正在努力用python實現吳恩達的機器學習程式設計作業。由於時間關係，我大概會只實現最重要的部分，不會實現全部內容。如果有錯誤，希望可以及時糾正我，謝謝大家。首先，匯入要用到的庫 numpy，matplotlib。import numpy as np import matplotlib.pyplo...
吳恩達機器學習筆記一
機器學習分類 監督學習 無監督學習 強化學習 深度學習 監督學習 回歸問題，意指要 乙個連續的輸出值，比如房價。分類問題，目標是 離散值輸出 0 or 1 比如 腫瘤是良性或惡性，可以有乙個特徵 腫瘤大小，也可以兩個特徵 年齡和腫瘤大小，或者無限多特徵 支援向量機。分類是將一些例項資料分到合適的類別...
吳恩達機器學習 程式設計練習7
本練習的主題是k means clustering and principal component analysis，即k均值聚類演算法和主要成分分析。因此這篇文章也分兩部分來討論，根據作業檔案的步驟來分別對k均值聚類演算法和pca進行討論原理以及如何實現。k means clustering al...