Question

我正在尝试使用Octave中的fminunc()函数来实现Regularized Logistic回归算法，以最大限度地降低成本函数。一般建议，我想将成本函数绘制为fminunc()函数迭代的函数。函数调用如下所示 -

[theta, J, exit_flag] = ...
    fminunc(@(t)(costFunctionReg(t, X, y, lambda)), initial_theta, options);

与

options = optimset('GradObj', 'on', 'MaxIter', 400, 'OutputFcn',@showJ_history);

[showJ-history是预期的输出函数;我希望我已正确设置options参数。

但是，我在互联网上找不到好的资料来突出如何编写这个输出函数，具体来说，fminunc()传递给它的参数是什么，它返回什么（如果特别需要的话） fminunc()）。

有人可以提一些有用的链接或协助我编写输出功能。

Answer 1

我想你可以参考the source code。还要考虑这个例子：

1;
function f = __rosenb (x)
  # http://en.wikipedia.org/wiki/Rosenbrock_function
  n = length (x);
  f = sumsq (1 - x(1:n-1)) + 100 * sumsq (x(2:n) - x(1:n-1).^2);
endfunction

function bstop = showJ_history(x, optv, state)
    plot(optv.iter, optv.fval, 'x')
    # setting bstop to true stops optimization
    bstop = false;
endfunction

opt = optimset('OutputFcn', @showJ_history);
figure()
xlabel("iteration")
ylabel("cost function")
hold on
[x, fval, info, out] = fminunc (@__rosenb, [5, -5], opt);

Octave中fminunc的输出函数

1 个答案: