什么是机器学习中正则化逻辑回归的这两个Octave语句之间的区别

我在学习过程中遇到了两个相似的Octave语句,其中一个语句无法提供正确的结果。这些代码的目的是计算正则化逻辑回归的成本函数。

J=(1/m)*sum(-y'*log(h)-(1-y')*log(1-h)) + (lambda/2*m)*sum(theta(2:end).^2); %错误的
J = (sum(-y' * log(h) - (1 - y')*log(1 - h)) / m) + lambda *sum(theta(2:end).^2)/ (2*m); %正确的

请有人告诉我这两个语句之间的区别。


回答:

在第一个语句中,你有lambda/2*m,这实际上是(lambda/2)*m。而在第二个语句中,你有lambda/(2*m)。所以在第一个表达式中,你是在乘以m,而在第二个表达式中,你是在除以m。另外,请注意第一个表达式在结尾处缺少一个括号。

Related Posts

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注