我在 Octave 中尝试使用 fminunc 解决一个逻辑问题，但它不起作用。它提示我没有定义变量，但实际上我已经定义了。如果我直接在 costFunction 中定义变量，而不是在主函数中定义，它不会报错，但函数实际上不起作用。实际上，exitFlag 的值为 -3，并且完全不收敛。

这是我的函数：

function [jVal, gradient] = cost(theta, X, y)X = [1,0.14,0.09,0.58,0.39,0,0.55,0.23,0.64;1,-0.57,-0.54,-0.16,0.21,0,-0.11,-0.61,-0.35;1,0.42,0.45,-0.41,-0.6,0,-0.44,0.38,-0.29];y = [1;0;1];theta = [0.8;0.2;0.6;0.3;0.4;0.5;0.6;0.2;0.4];jVal = 0;jVal = costFunction2(X, y, theta);   %这是另一个函数，它会给我 jVal。我相当确定它是正确的，因为我也在其他算法中使用它，并且运行得很好m = length(y);xSize = size(X, 2);gradient = zeros(xSize, 1);sig = X * theta;h = 1 ./(1 + exp(-sig));    for i = 1:m      for j = 1:xSize        gradient(j) =  (1/m) * sum(h(i) - y(i)) .* X(i, j);          end       end

这是我的主函数：

theta = [0.8;0.2;0.6;0.3;0.4;0.5;0.6;0.2;0.4];options = optimset('GradObj', 'on', 'MaxIter', 100);[optTheta, functionVal, exitFlag] = fminunc(@cost, theta, options)

如果我编译它：

optTheta =   0.80000   0.20000   0.60000   0.30000   0.40000   0.50000   0.60000   0.20000   0.40000functionVal =  0.15967exitFlag = -3

我该如何解决这个问题？

回答：

实际上，你没有正确使用 fminunc。根据文档：

 -- fminunc (FCN, X0) -- fminunc (FCN, X0, OPTIONS)     FCN 应该接受一个定义未知变量的向量（数组），     并返回目标函数的值，可选择性地返回梯度。     'fminunc' 尝试确定一个向量 X，使得 'FCN (X)' 是一个     局部最小值。

你传递的不是一个接受单一向量参数的函数句柄。相反，你传递的（即 @cost）是一个接受三个参数的函数句柄。

你需要将其“转换”为一个仅接受一个输入的函数句柄，并在幕后做你想要的事情。最简单的方法是通过将你的成本函数“包装”成一个仅接受一个参数的匿名函数，并以适当的方式调用 cost 函数，例如：

fminunc( @(t) cost(t, X, y), theta, options )

_{注意：这假设 X 和 y 在你进行此“包装”操作的作用域内已定义}