斯坦福机器学习-week 3 学习笔记(2)——Matlab最优问题求解
2014-01-29 22:17
891 查看
keyword:Optimization algorithm
目录
一.最优问题的求解算法
二.最优问题求解算法的比较
三.利用Matlab求解最优问题
一.最优问题的求解的算法
Gradient descent
Conjugate gradient
BFGS
L-BFGS
二.最优问题求解算法的比较
其他最优问题求解算法与梯度下降算法的比较如下图:
三.利用Matlab求解最优问题
可以利用Matlab自带的fminunc函数可以计算最优解。
使用Matlab求解最优问题的过程如下:
1.先定义一个计算J(θ)的值和J(θ)梯度的函数;
2.设置好求解最优过程的参数;
3.要求的参数初始化;
4.调用fminunc函数。
下面举个例子:
在使用Matlab自带的fminunc函数可以计算最优解的过程中,最重要的是编写计算J(θ)的值和J(θ)梯度的函数。在这个函数中,必须包含有计算J(θ)的值的部分,以及计算J(θ)梯度的部分,函数的定义可以如下:
目录
一.最优问题的求解算法
二.最优问题求解算法的比较
三.利用Matlab求解最优问题
一.最优问题的求解的算法
Gradient descent
Conjugate gradient
BFGS
L-BFGS
二.最优问题求解算法的比较
其他最优问题求解算法与梯度下降算法的比较如下图:
三.利用Matlab求解最优问题
可以利用Matlab自带的fminunc函数可以计算最优解。
使用Matlab求解最优问题的过程如下:
1.先定义一个计算J(θ)的值和J(θ)梯度的函数;
2.设置好求解最优过程的参数;
3.要求的参数初始化;
4.调用fminunc函数。
下面举个例子:
在使用Matlab自带的fminunc函数可以计算最优解的过程中,最重要的是编写计算J(θ)的值和J(θ)梯度的函数。在这个函数中,必须包含有计算J(θ)的值的部分,以及计算J(θ)梯度的部分,函数的定义可以如下:
相关文章推荐
- 【机器学习-斯坦福】学习笔记7 - 最优间隔分类器问题
- 【机器学习-斯坦福】学习笔记7 - 最优间隔分类器问题
- 【机器学习-斯坦福】学习笔记7 - 最优间隔分类器问题
- 机器学习-斯坦福:学习笔记7-最优间隔分类器问题
- 【机器学习-斯坦福】学习笔记7 - 最优间隔分类器问题
- 斯坦福机器学习公开课学习笔记(3)—拟合问题以及局部权重回归、逻辑回归
- MatLab建模学习笔记8——非线性规划问题求解
- MatLab建模学习笔记7——线性规划问题求解
- MatLab建模学习笔记8——非线性规划问题求解
- MatLab建模学习笔记9——二次规划问题求解
- MatLab建模学习笔记10——利用罚函数求解非线性规划问题
- 斯坦福机器学习-week 3 学习笔记(3)—— 解决Overfitting
- MatLab建模学习笔记10——利用罚函数求解非线性规划问题
- matlab学习笔记之求解线性规划问题和二次型问题
- 烙饼排序问题最优次数求解 暑期学习笔记(九)
- 斯坦福机器学习-week 3 学习笔记(1)
- 算法设计和数据结构学习_3(《数据结构和问题求解》part2笔记)
- Coursera 机器学习(by Andrew Ng)课程学习笔记 Week 6(二)——误差分析与数据集偏斜处理
- 机器学习笔记七 - 最优间隔分类器、原始/对偶问题、svm的对偶问题
- (斯坦福机器学习课程笔记)支持向量机之拉格朗日函数的对偶问题