To jest stara wersja strony!
Laboratorium 2 - Regresja Liniowa
Lista i opis plików
Pliki oznaczone znakiem wykrzyknika () należy wypełnić własnym kodem
ex1.m - Skrypt Octave, który pomaga w przejściu pierwszej części laboratorium
ex1_multi.m - Skrypt Octave, który pomaga w przejściu pierwszej części laboratorium
warmUpExercise.m - Ćwiczenie rozgrzewkowe
plotData.m - Funkcja rysująca wykres
computeCost.m - Funkcja kosztu dla regresji liniowej
gradientDescent.m - Funkcja uruchamiająca algorytm
Gradient Descent
computeCostMulti.m - Funkcja kosztu dla regresji liniowej dla przypadku wielowymiarowego
gradientDescentMulti.m - Funkcja uruchamiająca algorytm
Gradient Descent dla przypadku wielowymiarowego
featureNormalize.m - Funkcja normalizująca dane wejściowe
normalEqn.m - Funkcja dla regresji liniowej wyznaczająca parametry ze wzoru
Warm Up Exercise
Otwórz plik warmUpExercise.m w swoim ulubionym edytorze tekstu i w miejscu oznaczonym komentarzami wpisz kod, który wygeneruje macierz jednostkową 5×5 i zwróci ją jako wartość zwracaną funkcji.
Uwaga W Octave istnieje funkcja generująca macierz jednostkową. Nazywa się eye. Aby dowiedzieć się więcej na temat tej funkcji wpisz w konsoli Octave
help eye
Kiedy poprawnie uzupełnisz kod funkcji zapisz plik i uruchom skrypt ex1. Testuje on działanie poszczególnych zadań i prezentuje wykorzystanie ich w praktyce.
Jeśli coś nie działa, uruchom skrypt check. Przeprowadza on test działania poszczególnych funkcji i pokazuje poprawne wyniki.
Regresja Liniowa dla jednej zmiennej
W tej części zajmiemy się przypadkiem regresji liniowej dla przypadku dwuwymiarowego.
Załóżmy, że jesteśmy CEO sieci restauracji i planujemy otwarcie kilku kolejnych lokali.
Na podstawie danych dotyczących aktualnie otwartych restauracji i zysku jaki z nich otrzymujemy chcemy wybrać miasta w których najbardziej opłaci się otwarcie inwestycji.
Plik ex1data1.txt zawiera te dane. Pierwsza kolumna zawiera populację danego miasta, druga zysk w tym mieście. Ujemne wartości oznaczają stratę.
Plot Data
Uzupełnij plik plotData.m tak, aby rysowała wykres w taki sposób jak na rysunku poniżej.
Pamiętaj o podpisaniu osi.
Aby dowiedzieć się więcej o funkcji plot, wpisz w konsoli Octave
help plot
Sprawdź działanie funkcji za pomocą skryptu ex1.
Compute Cost
W pierwszej kolejności zaimplementuj funkcję kosztu dla regresji liniowej (plik computeCost.m).
Funkcja kosztu dana jest wzorem:
Gdzie
Uwaga Pomyśl jak zapisać kod tak, aby nie używać pętli! Dzięki temu automatycznie będzie on pasował do drugiej części zadania (Regresja liniowa z wieloma zmiennymi)
Przetestuj działanie funkcji skryptem check.m.
Gradient Descent
Ideą algorytmu Gradient Descent jest znalezienie odpowiednich współczynników , tak aby funkcja kosztu dla danych treningowych była najmniejsza.
W każdym kroku algorytmu uaktualniamy zatem wartości współczynników korzystając ze wzoru:
Uwaga 1 Zwróć uwagę, że funkcja wykorzystuje do obliczenia swojej wartości współczynniki Pamiętaj więc, żeby najpierw obliczyć uaktualnienia, a dopiero na samym końcu uaktualnić wartości współczynników .
Uwaga 2 Spróbuj zapisać kod unikając pętli - będzie on wtedy działał dla wersji z wieloma zmiennymi.
Przetestuj działanie algorytmu regresji liniowej używając skryptów check.m oraz ex1.m.
Powinieneś zobaczyć następujący wynik:
Regresja Liniowa dla wielu zmiennych
Compute Cost Multi
Gradient Descent Multi
Feature Normalization
Normal Equation