我刚刚开始在Coursera上学习@的《机器学习》课程。第三周的主题是逻辑回归，所以我正在尝试实现以下成本函数。

假设定义为：

其中g是Sigmoid函数：

这是我当前的函数样子：

function [J, grad] = costFunction(theta, X, y)m = length(y); % 训练样本的数量S = 0;J = 0;for i=1:m    Yi = y(i);    Xi = X(i,:);    H = sigmoid(transpose(theta).*Xi);    S = S + ((-Yi)*log(H)-((1-Yi)*log(1-H)));endJ = S/m;end

给定以下值

X = [magic(3) ; magic(3)];y = [1 0 1 0 1 0]';[j g] = costFunction([0 1 0]', X, y)

j返回0.6931 2.6067 0.6931，尽管结果应该是j = 2.6067。我认为Xi可能有问题，但我找不到错误所在。

如果有人能指导我正确的方向，我将非常感激。

回答：

你应该对参数向量（theta）和输入向量（Xi，在这种情况下是一个行向量）的点积应用Sigmoid函数。因此，你应该将

H = sigmoid(transpose(theta).*Xi);

改为

H = sigmoid(theta' * Xi'); % 或者 sigmoid(Xi * theta)

当然，你需要确保将偏置输入1添加到你的输入中（向X添加一行1）。

接下来，考虑如何将整个操作向量化，以便可以不使用任何循环来编写。这样会快得多。