Machine learning 机器学习中的Fmncg和fminunc工作解释

显然，fmincg和fminunc函数使用提供成本值（JVal）和相对于θ的梯度的成本函数给出最佳θ值。 但是这些函数的代码是如何工作的呢？我想知道这些功能的内部功能。这是关于安得烈NG机器学习课程的Coursera。

[nn_params, cost] = fmincg(costFunction, initial_nn_params, options);

这是fmincg函数的代码。它以成本函数作为输入，如下所示：

costFunction = @(p) nnCostFunction(p, ...
                                   input_layer_size, ...
                                   hidden_layer_size, ...
                                   num_labels, X, y, lambda);

因此，fmincg返回nn_参数，它是一个展开向量，它可以转换为θ值，如下所示：

Theta1 = reshape(nn_params(1:hidden_layer_size * (input_layer_size + 1)), ...
                 hidden_layer_size, (input_layer_size + 1));

Theta2 = reshape(nn_params((1 + (hidden_layer_size * (input_layer_size + 1))):end), ...
                 num_labels, (hidden_layer_size + 1));

---

下一次，请花一分钟来看看如何正确格式化代码块（在这里为您完成）。感谢编辑@desertnaut。下次一定会小心的。fmincg不是GNU八度音阶或八度音阶锻造的一部分。这是安德鲁斯球场的一部分。你真的应该为回复@Andy提供一个到itThanks的链接。在coursera的机器学习课程中学习逻辑回归时，文档中提到“您将使用一个名为fminunc的倍频程/-MATLAB内置函数”。因此我觉得有必要了解其背后的功能。下次，请花一分钟时间看看如何正确格式化代码块（在这里为您完成）.谢谢你的编辑@desertnaut。下次一定会小心的。fmincg不是GNU八度音阶或八度音阶锻造的一部分。这是安德鲁斯球场的一部分。你真的应该为回复@Andy提供一个到itThanks的链接。在coursera的机器学习课程中学习逻辑回归时，文档提到“您将使用一个名为fminunc的倍频程/-MATLAB内置函数。”因此我觉得有必要了解其背后的功能。