Question

我尝试解决3个特征和6个类（标签）的问题。训练数据集为700行* 3列。特征值从0到100连续。我使用“一对多”方法，但是我不知道为什么预测精度如此之小，只有24％。有人可以告诉我吗？谢谢！这就是我的预测方式：

function p = predictOneVsAll(all_theta, X)
m = size(X, 1);
num_labels = size(all_theta, 1);
% You need to return the following variables correctly 
p = zeros(size(X, 1), 1);
% Add ones to the X data matrix
X = [ones(m, 1) X];
[m, p] = max(sigmoid(X * all_theta'), [], 2);
end

和全胜

% You need to return the following variables correctly 
all_theta = zeros(num_labels, n + 1);

% Add ones to the X data matrix
X = [ones(m, 1) X];

initial_theta = zeros(n+1, 1);
options = optimset('GradObj', 'on', 'MaxIter', 20);
for c = 1:num_labels,
 [theta] = ...
     fmincg (@(t)(lrCostFunction(t, X, (y == c), lambda)), ...
             initial_theta, options);
 all_theta(c,:) = theta';
end

Answer 1

在 predictOneVsAll 中，您不需要使用S型函数。仅在计算成本时才需要它。所以正确的代码是

[m, p] = max((X * all_theta'), [], 2);

在 OneVsAll 中，循环应如下图所示

for c = 1:num_labels

all_theta(c,:) = fmincg (@(t)(lrCostFunction(t, X, (y == c), lambda)), initial_theta, options);

endfor

最好在 andrew的 ML课程讨论中问这些问题。他们会更熟悉代码和问题。

为什么在Logistic回归（多类）中精度如此之低？

1 个答案: