Machine learning ML coursera提交(第2周)功能规范化
我已经为特性规范化编写了以下代码 这里X是特征矩阵m*n 哪里 m=示例数 n=特征数量Machine learning ML coursera提交(第2周)功能规范化,machine-learning,submit,normalization,Machine Learning,Submit,Normalization,我已经为特性规范化编写了以下代码 这里X是特征矩阵m*n 哪里 m=示例数 n=特征数量 mu = mean(X); sigma = std(X); m = size(X,1); % Subtracting the mean from each row for i = 1:m X_norm(i,:) = X(i,:)-mu; end; % Dividing the STD from each row for i = 1:m X_norm(i,:) = X(i,:)./s
mu = mean(X);
sigma = std(X);
m = size(X,1);
% Subtracting the mean from each row
for i = 1:m
X_norm(i,:) = X(i,:)-mu;
end;
% Dividing the STD from each row
for i = 1:m
X_norm(i,:) = X(i,:)./sigma;
end;
但是在提交给Andrew Ng类的服务器时,它并没有给我任何错误或正确的确认
==
== Part Name | Score | Feedback
== --------- | ----- | --------
== Warm-up Exercise | 10 / 10 | Nice work!
== Computing Cost (for One Variable) | 40 / 40 | Nice work!
== Gradient Descent (for One Variable) | 50 / 50 | Nice work!
== Feature Normalization | 0 / 0 |
== Computing Cost (for Multiple Variables) | 0 / 0 |
== Gradient Descent (for Multiple Variables) | 0 / 0 |
== Normal Equations | 0 / 0 |
== --------------------------------
== | 100 / 100 |
注意:如果我违反了课程规则,很抱歉,我不知道该怎么做 当提交没有给你任何分数时,这意味着你的答案不正确。 这通常意味着,要么您尚未实现它,要么您的实现中存在错误 据我所见,你的指数不正确。但是,为了不违反本课程的行为准则,您应该在Coursera论坛上提问,而不发布您的行为准则
每个编程练习都有教程。这些功能通常非常有用,可以指导您完成整个练习。您需要迭代每个功能
m = size(X,1);
使用m实际得到的是行数示例,但您希望得到列数特征
解决方案:
m = size(X,2);
试着这样做,它是有效的,注意到你在没有减去平均值的情况下,将每一行X除以是错误的 将这两者结合起来,使用更少的代码- %从每行中减去平均值并除以标准差。 对于i=1:m X-Orthi,=:席,:-亩/西格玛;
结束 我投票结束这个问题,因为这是一个课程管理员的问题,不是这样。你可以在课程论坛上发布这个。这不是这个问题的正确位置!