Matlab 带向量化的正则logistic回归

我正在尝试实现正则逻辑回归的向量化版本。我发现这解释了正规化的版本，但我不明白

为方便起见，我将复制以下代码：

hx=sigmoid（X*theta）；
m=长度（X）；
J=（和（-y'*log（hx）-（1-y'*log（1-hx））/m）+λ*sum（θ（2:end）。^2）/（2*m）；
梯度=（（hx-y）'*X/m'）+lambda.*theta.[0；个数（长度（theta）-1,1）]/m；

我理解成本等式的第一部分，如果我是正确的，可以表示为：

J=（-y'*log（hx））-（（1-y）*log（1-hx））/m；

问题是正则化项。让我们来了解更多细节：

尺寸：

X=（mx（n+1））
θ=（（n+1）x1）

我不明白为什么他让第一项θ（

theta_0

）在方程之外，而理论上正则化项是：

它必须考虑所有的θ

对于梯度下降，我认为这个方程是等价的：

L=眼睛（长度（θ））；
L（1,1）=0；
梯度=（1/m*X'*（hx-y）+（λ*（L*θ）/m）。

我也是新来的

在

Matlab

中，索引从1开始，在数学中，索引从0开始（您提到的公式上的索引也从0开始）

所以，理论上，θ的第一项也需要在方程之外

---

至于你的第二个问题，你说得对！这是一个相当干净的等式！

嗨，欢迎来到Stack Overflow！如果我正确理解了你的问题，你会想要一个关于答案的解释，对吗？如果你达到50个声望点，你可以在作者的帖子上加上。你很难理解为什么

theta\u 0

术语是分开处理的，不是吗？嗨，谢谢！是的，你是对的，我不知道为什么它会让它在外面…但我也探索了在matlab中实现代码（我提出的代码不起作用…@Adriaan不管它值多少钱，我在原始帖子下留下了一条评论，让回答者知道这个问题。希望他们能看到它并做出回应。