機器學習實驗（二）：梯度下降和牛頓法解邏輯迴歸

一：梯度下降法 加載實驗數據畫出畫出散點圖，區分出能進入大學的學生和不能進入大學的學生。 回顧邏輯迴歸，其假設函數爲            hθx=gθTx=11+e-θTx=p(y=1|x;θ) 在使用前先聲明此函數，代碼如下：                 g=inline(‘1.0./(1.0+exp(-z))) 當我們給定一個訓練數據集時，x(i)i=1,2,…,m 我們定義似然函數爲：

>>阅读原文<<