正则化线性回归与偏差方差分析实践.pdfVIP

正则化线性回归与偏差方差分析实践.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

编程练习5:正则化线性回归与偏

差v.s.方差

机器学习

引言

在本练习中,您将实现正则化的线性回归,并使用它来研究具有不同偏差‑

方差特性的模型。在开始编程练习之前,我们强烈建议您讲座并

完成相关的复习问题。

要开始该练习,您需要起始代码并将其解压到您希望完成练习的

目录。如果需要,请在开始此练习之前使用cd命令在

Octave/MATLAB中切换到该目录。

您还可以在课程的“环境设置说明”中找到安装Octave/MATLAB的

说明。

本练习中包含的文件

ex5.m‑带领你完成练习的Octave/MATLABex5data1.mat‑数

据集submit.m‑将你的解决方案提交到我们服务器的提交

featureNormalize.m‑特征归一化函数fmincg.m‑函数最小化例程

(类似于fminunc)plotFit.m‑绘制多项式拟合图

trainLinearReg.m‑使用你的代价函数训练线性回归模型

[?]linearRegCostFunction.m‑正则化线性回归代价函数

[?]learningCurve.m‑生成学习曲线[?]polyFeatures.m‑将数据映射

到多项式特征空间[?]validationCurve.m‑生叉验证曲线

ProgrammingExercise5:

RegularizedLinearRegressionandBiasv.s.

Variance

MachineLearning

Introduction

Inthisexercise,youwillimplementregularizedlinearregressionanduseitto

studymodelswithdifferentbias-varianceproperties.Beforestartingonthe

programmingexercise,westronglyrecommendwatchingthelectures

andcompletingthereviewquestionsfortheassociatedtopics.

Togetstartedwiththeexercise,youwillneedtodownloadthestarter

codeandunzipitscontentstothedirectorywhereyouwishtocompletethe

exercise.Ifneeded,usethecdcommandinOctave/MATLABtochangeto

thisdirectorybeforestartingthisexercise.

YoucanalsofindinstructionsforinstallingOctave/MATLABinthe“En-

vironmentSetupInstructions”ofthecoursewebsite.

Fiincludedinthisexercise

ex5.m-Octave/MATLABscriptthatstepsyouthrough

您可能关注的文档

文档评论(0)

huang + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档