按部就班的吴恩达机器学习网课用于讨论（5）---嘘、小点声

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：

---来自腾讯云社区的---嘘、小点声