• 设为首页
  • 点击收藏
  • 手机版
    手机扫一扫访问
    迪恩网络手机版
  • 关注官方公众号
    微信扫一扫关注
    迪恩网络公众号

Matlab中fminunc函数的意义以及options函数的初级用法。

原作者: [db:作者] 来自: [db:来源] 收藏 邀请

本文问题出自Stanford大学 Andrew Ng老师的机器学习week 3  Logistic Regression Model  中出现如下高级函数:

该过程涉及matlab两个函数 fminunc 和options。


1、自定义函数

以图上的自定义函数function [jVal,gradient] = costFunction(theta) 为例。该自定义函数传入一个theta参数,并计算代价值(jVal) 和每次迭代的梯度值(gradient)。


2、fminun函数


形式:[x,fval,exitflag]  = fminunc(fun,x0,options)


该方法需要定义3个输入参数fun,x0和options。

第一个输入参数 fun 定义为 @costFunction。该“@”符号涉及句柄知识,

第二个输入参数 x0 定义为 initialTheta ,该参数为一个 2x1矩阵(2个元素的列向量)。该列向量为用户自定义梯度下降法的输出参数,使用前要预先初始化。

第三个输入参数为 options。该参数的的作用包括是否使用用户自定义的梯度下降公式(GradObj)以及迭代次数(MaxIter)。如上例中,options = optimset('GradObj','on','MaxIter','100'),表示使用了自定义的梯度下降公式并且把迭代次数设为迭代100次。 


该方法的3个输出参数x,fval和exitflag。

第一个输出参数x为上面function [jVal,gradient] = costFunction(theta)中的第二个返回值graient

第二个输出参数fval为costFunction函数的第一个返回值jVal 

第三个输出exitflag返回值为0或1,表示在theta点定义的Jval函数是否收敛

例子中使用了自定义的梯度下降公式(costFunction中的gradient返回值),并且把迭代次数设为迭代100次。 



鲜花

握手

雷人

路过

鸡蛋
该文章已有0人参与评论

请发表评论

全部评论

专题导读
热门推荐
阅读排行榜

扫描微信二维码

查看手机版网站

随时了解更新最新资讯

139-2527-9053

在线客服(服务时间 9:00~18:00)

在线QQ客服
地址:深圳市南山区西丽大学城创智工业园
电邮:jeky_zhao#qq.com
移动电话:139-2527-9053

Powered by 互联科技 X3.4© 2001-2213 极客世界.|Sitemap