For loop 为什么这个for循环中的fminunc每次都给出相同的结果？

我尝试在for循环中多次运行“fminunc”

代码的一部分：

P = 0.70 ;
idx = randperm(m);
X_Training = X(idx(1:round(P*m)),:); 
X_Testing = X(idx(round(P*m)+1:end),:);
y_Traning = y(idx(1:round(P*m)),:);
y_Testing = y(idx(round(P*m)+1:end),:);

s             = 100;
border_all    = zeros( 2, s );
lambda        = 1;
accuracy      = 0;
initial_theta = zeros( n + 1, 1 );
options       = optimset( 'GradObj', 'on', 'MaxIter', 400 );

for i = 1 : 1 : s
    [theta, J, exit_flag] = fminunc( @(t) costFunctionReg( t, X_Training, y_Traning, lambda ), initial_theta, options );

    for border = 0.01 : 0.01 : 1
        p          = predict( theta, X_Testing, border );
        accuracy_t = mean( double( p == y_Testing ) ) * 100;

        if accuracy_t > accuracy
            accuracy      = accuracy_t;
            border_result = border;
        endif
    endfor

    border_all(1, i) = border_result;
    border_all(2, i) = accuracy;
endfor

我稍后使用“θ”的输出值来检查不同的变化变量“I”（对于I=1:1:s…）。 每次运行脚本时，都会计算“theta”，但在其他“for循环”迭代中它不会改变。然而，在每次迭代中都应该有所不同

同时，当我重新运行脚本时，我得到了新的“θ”值。因此，它似乎只是在第一次迭代时从头开始计算，而不是在其他迭代时。也许是内存问题。尝试了“清除”功能，但结果相同

---

有人遇到过同样的问题吗？

如果有人在谷歌上搜索类似问题，请将评论线程转换为答案：

这是因为一旦您进入for循环，

fminunc

的输入就再也不会改变，因此您实际上总是使用相同的输入调用它，从而获得相同的输出

将代码段顶部的随机初始化移动到for循环中，每次都会得到不同的输出，正如您所希望的那样

---

亲爱的乌拉，不清楚你在问什么。如果没有复制问题的演示代码，您可能会问很多问题，而问题可能存在于许多地方。请阅读并尝试编辑您的问题，使其更具体、更负责。不过，要回答您的一般问题，是的，只要您每次在循环中使用不同的参数调用fminunc，您就应该期望每次的输出在很大程度上是不同的。如果不是，那么你在某个地方有一个bug；border_all=0（2，s）；λ=1；准确度=0；初始θ=零（n+1，1）；options=optimset（'GradObj'，'on'，'MaxIter'，400）；对于i=1:1:s[theta，J，exit_flag]=fminunc（@（t）（costFunctionReg（t，X_训练，y_训练，lambda）），初始_theta，选项）；对于边界=0.01:0.01:1，p=预测（θ，X_检验，边界）；准确度t=平均值（双倍（p==y检验））*100；如果（精度>精度）精度=精度；边界\结果=边界；endif endfor border_all（1，i）=border_结果；border_all（2，i）=准确度；endforI希望启动fminunc 100次，并检查每次迭代的逻辑回归的最佳边界值（从0.1到1）。然而，θ和J对于所有100次迭代都是相同的（在第一次迭代后不要改变）。它们必须是不同的。你评论中的代码，放在你的问题中。这将使人们能够研究和回答它。然而，从快速查看来看，在我看来，您在迭代过程中并没有更改fminunc的任何参数。当然，它每次都会输出相同的结果。还有一些打字错误（

y\u Traning

），但我怀疑这是主要问题。完成，问题中的代码。是的，我不更改fminunc的任何参数。因此，问题是如何在一个会话中使用相同的参数多次调用fminunc，从而在每次迭代中计算θ和J。现在，fminunc只在我再次启动脚本时计算θ和J的新值。