《关于线性回归越算越大这件事》-杂谈

发表于 | 分类于 |

如果说还有什么比做出了线代测试但是把行列式的等号
与矩阵的箭头搞错更令人崩溃的话（希望老师改宽点），

那就是5个小时把线性回归模型的参数调整到一个让计算机都
难以相信的10的300次方，然后查了半天不知道哪里有问题
（一定是kaggle数据集的问题，确信.jpg）。到现在，我连两个
参数的模型都没有搞定，后天还有线代的另一次测试，可能这
就是人生⑧。话说还是不要买桂花味的
百事可乐，它没有桂花味，而且酸，最好买无糖的树莓味可口可乐，
虽然无糖差了点灵魂。好久没有搞编程了，希望C++没事。
然后介绍下当代智能院学生的科研现状
写matlab代码的现状：盯着屏幕发呆——看教程——我懂了——两行代码——
这什么东西——盯着屏幕发呆——嗯，仓鼠该喂了
科研真是有趣（doge）
贴一段越变越大的代码（迭代了100次，因为2000次电脑快炸了）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
theta = [0;0];
count = 0; 
iterations = 100;
m = size(x1,1);
k = size(theta,1);
while(count < iterations)
    for i = 1:k,
        A(i) = sum((x1*theta-y).*x1(:,i));
    end
    theta = theta - 0.0001*A';
    disp(count);
    %disp(A);
    disp(theta');
    %plot(count,theta(1,1));
    count = count + 1;
end

数据集来自kaggle，不放上去了，比较丢人
最后贴一段成功的函数，就是吴恩达所说的代价函数的代码实现

1
2
3
4
5
function J = Jcost(X,y,theta)
m = size(X,1); %计算样本个数
predictions = X*theta; %计算预测值
sqrErrors = (predictions - y).^2; %计算误差
J = 1/(2*m) * sum(sqrErrors); %计算损失

（果然还是helloworld适合老子）

5.31补充：

原来还是学习速率的老问题（吴老师我错了），但是谁知道速率要这么低？不过出来了，还是很激动的。