Python机器学习入门1.4《逻辑斯蒂高级优化》

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/qq_40883132/article/details/83117349

基于octava/Matlab语言

options = optimset('GradObj','on','MaxIter','100');
initialTheta = zeros(2,1);
[optTheta,functionVal,exitFlag] = fminunc(@costFunction,inititalTheta,options);

costFunction函数是自定义函数；输入是theta，输出是jVal和gradient，其中jVal是对照左边求损失函数的，gradient是对照左边求损失函数的偏导。

Optimset函数：‘Gradobj’指用户自定义的目标函数梯度；‘MaxITer’指最大迭代次数，‘100’也就是最大迭代次数，这一项只能为整数。

Fminunc函数：有三个输入，第一个输入为costfunction函数的句柄，第二个输入为设置的初始theta值，第三个输入为optimset函数的返回值。 
 

function[jVal,gradient] = costFunction(theta)
jVal = (theta(1)-5)^2 + (theta(2)-5)^2;
gradient =zeros(2,1)
gradient(1) = 2*(theta(1) - 5)
gradient(2) = 2*(theta(2) - 5)