文件名称:y作m次多项式拟合的MATLAB代码-Regularized-Linear-Regression-and-Bias-v.s.-Variance
文件大小:606KB
文件格式:ZIP
更新时间:2024-06-15 04:30:21
系统开源
y作m次多元式拟合的MATLAB代码正则化线性回归与偏差与方差 实施正则化线性回归并将其用于研究具有不同偏差方差属性的模型 此代码已在octave版本4.2.1上成功实现 要开始该项目,您将需要下载代码并将其内容解压缩到您希望运行该项目的目录中。 如果需要,在开始本练习之前,请使用Octave中的cd命令更改为该目录。 此代码也可以在MATLAB上运行(您可以尝试)。 将来,我还将尝试在MATLAB上执行此代码。 环境设置说明 有关安装Octave的说明 Project使用Octave(Octave是MATLAB的免费替代品),一种非常适合于数值计算的高级编程语言。 如果您尚未安装Octave,请安装。 八度功能的文档可在上找到。 项目中包含的文件 -八度脚本,可引导您完成项目 -数据集 -功能归一化功能 -函数最小化例程(类似于fminunc) -绘制多项式拟合 -使用您的成本函数训练线性回归 -正则化线性回归成本函数 -产生学习曲线 -将数据映射到多项式特征空间 -生成交叉验证曲线 在整个项目中,您将使用脚本。 这些脚本为问题设置数据集并调用函数。 正则线性回归 在项目的前半部分,
【文件预览】:
Regularized-Linear-Regression-and-Bias-v.s.-Variance-master
----fmincg.m(9KB)
----polyFeatures.m(743B)
----featureNormalize.m(510B)
----linearRegCostFunction.m(1KB)
----learningCurve.m(3KB)
----Figure 6.png(22KB)
----validationCurve.m(2KB)
----trainLinearReg.m(728B)
----Figure 8.png(23KB)
----ex5.m(8KB)
----Figure 2.png(22KB)
----Figure 11.png(25KB)
----Screenshot from 2019-09-25 23-22-07.png(159KB)
----Figure 12.png(24KB)
----Figure 3.png(18KB)
----README.md(18KB)
----Figure 7.png(16KB)
----Figure 10.png(22KB)
----Figure 1.png(19KB)
----plotFit.m(804B)
----Figure 5.png(26KB)
----output.txt(32KB)
----ex5data1.mat(1KB)
----Figure 4.png(22KB)
----Figure 9.png(24KB)
----Screenshot from 2019-09-25 23-29-22.png(259KB)