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

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注