精华内容
下载资源
问答
  • 产生正态分布随机数和产生伪随机数的系统辨识MATLAB编程作业
  • 代写Canvas留学生作业、Python, R,Matlab编程作业代做、代写Python实验作业日期:2019-12-10 10:39Midterm ProjectDue: 11:55pm, Monday, December 10th, 2019.Instructions? Read these instructions and follow ...

    代写Canvas留学生作业、Python, R,Matlab编程作业代做、代写Python实验作业

    日期:2019-12-10 10:39

    Midterm Project

    Due: 11:55pm, Monday, December 10th, 2019.

    Instructions

    ? Read these instructions and follow them precisely. Failure to follow these instructions

    could seriously affect your grade.

    ? Independence: All students must work independently.

    ? Submission: Submit your answer document via Canvas.

    ? Answer Document: Your answer document MUST be in the form of a single pdf file that

    contains all of your answers including code printouts and graphs. Do not submit your answer

    document in any format other than pdf. Any answer document that does not comprise a single

    pdf file complete with all answers will receive a grade of zero.

    ? Cover Sheet: Your answer document must include a cover sheet that states the course name,

    the homework number, the date, and your name.

    ? Legibility and Logical Presentation: Answer documents that are not easily legible, or not

    logically presented, or have a non-professional appearance will not be graded.

    ? Source Code Requirement: Your submission should also contain a separate set of source

    code files for all of your solutions. I may run your source code to ensure that it provides the

    results that you claim.

    ? Permissible Computer Languages: You can use any matrix-oriented computer programming

    language (Python, R or Matlab). Do not use any spreadsheets: problems solved with

    spreadsheets will receive no credit).

    ? Late Submission Policy: If answer documents and source code files are not submitted by the

    due date and time, they will incur an immediate penalty of 20%. Any late submissions must

    be sent by email to the Teaching Assistant, with a copy to the Professor and they will receive

    an extra penalty of 10% per extra late day. Only in extreme circumstances will exceptions

    will be made to this late submission policy. Such extreme circumstances must be proved by

    verifiable documentation. Technical, network, or computer problems are not considered extreme

    circumstances. Therefore, you are advised to submit the homework assignment well before the

    due date and time.

    The supplied data.zip file contains 30 space-delimited text files that contain price and volume

    data for 30 companies. Each row of each file contains date, opening price, closing price, high price,

    low price, volume, and adjusted closing price (last column)..

    1

    Question 1

    Write a program called processdata to:

    1. Read all daily price files;

    2. Create a price matrix P by aligning the data’s dates and placing the adjusted closing prices

    side-by-side in columns;

    3. From the P matrix, create a matrix of simple (not logarithmic) daily returns R;

    4. Compute the vector of average daily returns mu for the companies using the mean function (do

    not use loops);

    5. Compute the covariance matrix Q from the return matrix using the cov function; and

    6. Save the return vector mu and covariance matrix Q in the native format for your programming

    language in a file called inputs.ext, where ext is the appropriate extension for a binary file in

    your language. (For example, if you use MATLAB, store the data in .mat format in a file called

    inputs.mat, if you use R, store the data in .Rdata format in a file called inputs.rData)..

    Question 2

    Write a function called port that uses standard quadratic programming libraries that will:

    ? Take the set of input parameters mu (mean vector μ), Q (covariance matrix Q), and tau (risk

    tolerance τ ) and return the vector h that maximizes the following utility function U defined by

    subject to the constraints

    0 ≤ hi ≤ 0.1 for all i, and

    where n is the number of securities in the portfolio.

    Question 3

    Write a program called frontier that will:

    1. Load in your programming environment the data stored in the inputs.ext ;

    2. Create a sequence TAU containing numbers from zero to 0.5 in steps of 0.001;

    3. Run through a loop for each value of your TAU sequence to

    ? Find the optimum portfolio with the given mu, Q, and tau selected from TAU;

    ? Compute the optimum portfolio’s expected return and standard deviation of return;

    ? Store the portfolio return and standard deviation.

    4. After completing the loop, plot the efficient frontier.

    2

    The supplied Midtermdata.zip file contains an R data file data.rda and a tab-delimited text file

    data.tsv containing the Dow-Jones Industrial Index and the closing prices for the 30 companies in

    that index for 250 trading days.

    Question 4

    Write a program to:

    1. read in this Dow-Jones data,

    2. convert the matrix of daily prices to daily simple returns (not logarithmic returns),

    3. annualize the returns by multiplying them by 252 (the typical number of trading days in a year),

    4. move the index column out of the matrix and into a separate vector’

    5. compute a covariance matrix Qts based on the time-series of returns, and

    6. print out the first five rows and five columns of the covariance matrix.

    Clearly describe all steps in your program with comments. List your program in your answer document.

    No points will be awarded unless the steps associated with each part of the question are clearly

    distinguished. Also submit the source code file.

    Question 5

    Write a program utilizing the Dow-Jones data that:

    1. uses a loop to regress each company’s returns onto the index return,

    2. prints a table of intercepts, slopes (βi), and idiosyncratic standard deviations σRi

    (standard

    deviation o the residuals) for all companies i = 1, ..., 30,

    3. computes and prints the variance of the index’s return,

    4. computes the single-index approximation to the covariance matrix Qsi using your computed σ2M,βi and σRi for all i, and

    5. prints the first five rows and columns of this covariance matrix. Remember that the diagonal

    entries of ? are σ2Ri, not σRi.

    Clearly describe all steps in your program with comments. List your program in your answer

    document. No points will be awarded unless the steps associated with each part of the question are

    clearly distinguished. Also submit the source code file.

    3

    Question 6

    With your function port from the Question 2:

    1. Use the set of input parameters mu (mean vector μ), Qts (covariance matrix Q computed with

    a time series approximation), and tau (risk tolerance τ ) to compute the efficient frontier corresponding

    to the maximization of utility function U defined by

    subject to the constraints

    0 ≤ hi ≤ 0.1 for all i,

    where n is the number of securities in the portfolio. Be sure to include all constraints; both

    equality and inequality constraints.

    2. Repeat the computation of the efficient frontier but now use the approximate covariance matrix

    Qsi computed from the single index model instead of the time-series model Qts.

    3. Plot the efficient frontier using the time-series approximation to Qts in blue, and superimpose

    the efficient frontier computed with the single index covariance model Qsi in red. Do you think

    the results are similar enough that the single-index covariance model is valid?

    Clearly describe all steps in your program with comments. List your program in your answer

    document. No points will be awarded unless the steps associated with each part of the question

    are clearly distinguished. Also submit the source code file.

    4

    展开全文
  • 前面我不小心传错文件了,大家别下载,下这个。对应网易云课堂的课程作业
  • Coursera上吴恩达老师的机器学习课程作业machine-learning-ex1~ex8代码(matlab)
  • Matlab进阶课程:与心理学研究相关的Matlab编程实现《Matlab进阶课程:与心理学研究相关的Matlab编程实现》课程目录:Matlab GUI中的Timer机制蒋挺:Matlab GUI中的Timer机制​zhuanlan.zhihu.com2. Matlab的动画与...

    5fd2c88201417e524fe2b45d04bde479.png

    Matlab进阶课程:与心理学研究相关的Matlab编程实现

    《Matlab进阶课程:与心理学研究相关的Matlab编程实现》

    课程目录:

    1. Matlab GUI中的Timer机制
    蒋挺:Matlab GUI中的Timer机制zhuanlan.zhihu.com
    412b5dde353c94f30ab05a10d5f18b73.png

    2. Matlab的动画与交互(进阶)

    蒋挺:Matlab的动画与交互(进阶)zhuanlan.zhihu.com
    086edd75e08f1e3f51a38d48067e247e.png

    3. 基于Matlab的数字图像处理

    ssswwlll:Matlab之图像处理zhuanlan.zhihu.com
    8a259968000001b181eafc3149bd0889.png

    4. 基于Matlab的音频处理

    蒋挺:如何用Matlab编写一款mp3音乐播放器zhuanlan.zhihu.com
    12ba830b0d03bf060d19ae9fe4521170.png

    5. 利用Matlab录制动画

    如何用Matlab制作小球自由落体运动的动画 - 电脑数码 - 蛋蛋网 - 师大人的精神家园www.oiegg.com
    73c838979f158aed2aab25735aeed47e.png

    6. 利用Matlab创建实验刺激材料

    (a)文本图片化的教程分享如下:

    阿兀:嘘,听说大表姐要用matlab画十二生肖了?(文字写入图片的功能)zhuanlan.zhihu.com
    0f1a9cf638234ee3a4a394c499c983b1.png

    (b)我们实验室在Github上有一个项目就是Words2Pictures,可以利用图形化界面,将文字快速制作成图片:

    psyJT/Words2Picturesgithub.com
    d8998a691031190018c78bbb7b0166d8.png

    (c)要想实现实验刺激材料的制作,达到发表英文文章的水平,需要很多精细化的控制,这里我推荐一个我以前学生写的教程:

    呵欧猴:心理学如何用MATLAB生成适合屏幕的刺激zhuanlan.zhihu.com
    zhihu-card-default.svg

    7. 利用Matlab编写刺激矩阵

    蒋挺:如何利用Matlab生成刺激矩阵:以数字选择比较任务为例zhuanlan.zhihu.com
    426935ef973ad0fb8c4185805063775f.png

    9. 利用Matlab Psychtoolbox搭建实验框架

    (a)在学习搭建实验框架之前,我们需要学习Psychtoolbox常用的数据类型:

    蒋挺:PsychToolBox常用数据类型zhuanlan.zhihu.com
    11071f59267e27d6ec7901db45a134fb.png

    (b)然后我们需要学习Matlab + Psychtoolbox的常用函数:

    蒋挺:心理学实验设计&实验编程PsychToolBox函数zhuanlan.zhihu.com
    2409f9f2c5063d9b5b95be9d20ed9099.png

    (c)我们要系统回顾Matlab+Psychtoolbox,并且试着写一个最简单的Hello World程序:

    蒋挺:Matlab+PsychToolBox=最好の心理学实验程序开发工具zhuanlan.zhihu.com
    ff69e9846b73e84e115a094e6a2859e5.png

    10. 利用Matlab实现实验数据整理与统计分析

    11. 项目实战一:基于Matlab Psychtoolbox编写打地鼠游戏

    蒋挺:如何利用Matlab+Psychtoolbox编写打地鼠游戏zhuanlan.zhihu.com
    cbacd1306eb1e52dd744c98ae720fbbe.png

    12. 项目实战二:基于Matlab Psychtoolbox编写心理学实验

    案例一:如何利用Matlab-Psychtoolbox编写经典色词Stroop实验任务

    蒋挺:如何利用Matlab-Psychtoolbox编写经典色词Stroop实验任务zhuanlan.zhihu.com
    ddbfe6c35b8da4d30956a99bab8f7365.png

    案例二:如何利用Matlab-Psychtoolbox编写奇偶判断任务

    Blink621:如何利用Matlab-Psychtoolbox编写奇偶判断任务zhuanlan.zhihu.com
    1be6cfb7e7e5e44400be8097e8e47f85.png
    展开全文
  • 研究生课程《矩阵与数值分析》-matlab编程-大作业,很多算法,如gauss-sedil法,gauss列主元消去法,newton插值公式,QR分解等的具体matlab编程和结果分析,很详细,正确
  • 运用ansys,进行梁结构的应力分析,给出刚度矩阵的具体求解方法。运用matlab进行刚度矩阵的编程
  • DIP 第五章口后习题详细作业 包含matlab编程 以及相关代码
  • 1 简单的Octave / MATLAB功能ex1.m的第一部分为Octave/MATLAB作业提交练习。 在文件warmUpExercise.m中,找到Octave / MATLAB函数的提纲处。 填写下面的代码,修改为返回5 x 5的单位矩阵:A 完成后,运行ex1.m(假设...

    a8fb5a6f6229280fcc4aa4f931d24113.png

    1 简单的Octave / MATLAB功能

    ex1.m的第一部分为Octave/MATLAB作业提交练习。 在文件warmUpExercise.m中,找到Octave / MATLAB函数的提纲处。 填写下面的代码,修改为返回5 x 5的单位矩阵:

    A 

    完成后,运行ex1.m(假设命令窗口位于正确的目录中,在Octave / MATLAB命令窗口输入“ ex1”),将看到类似于以下内容的输出:

    5ffd551540dd40ee06422c0a51a86354.png

    1.1 提交答案

    完成练习的一部分后,在Octave / MATLAB命令行中通过输入 Submit() 来提交作业答案。 提交脚本将提示您输入登录电子邮件和提交令牌(在COURSERA网站查看),并询问是否提交的文件。

    现在,提交解决方案。

    可以多次提交解决方案,只会考虑最高分。

    2 单变量线性回归

    在本练习的这一部分中,将使用一个变量实现线性回归,以预测食品卡车的利润。 假设您是一家餐饮连锁店的CEO,并且正在考虑将不同的城市开设新的门店。 该连锁店已经在各个城市开了卡车,您可以获得城市的利润和人口数据。您想使用此数据来帮助您选择要扩展到下一个城市。

    文件 ex1data1.txt 包含线性回归问题的数据集。 第一列是城市的人口,第二列是该城市的食物卡车的利润。 利润的负值表示损失。已经设置了ex1.m脚本来为您加载此数据。

    2.1 绘制数据

    在开始任何任务之前,通过可视化了解数据通常很有用,对于此数据集,您可以使用散点图来可视化数据,因为它仅具有两个要绘制的属性(利润和总体)。(您在现实生活中会遇到的许多其他问题是多维的,无法在二维绘图中绘制。)

    在 ex1.m 中,数据集从数据文件加载到变量X和y中:

    data 

    接下来,脚本调用 plotData 函数创建数据的散点图。 您的工作是完成plotData.m绘制图; 在以下代码中修改文件并填充文件:

    plot

    现在,当您继续运行ex1.m时,我们的最终结果应下图所示,带有相同的红色“ x”标记和轴标签。

    e6d855bc077ed62741314144a5327194.png

    要了解有关plot命令的更多信息,可以在Octave / MATLAB命令提示符下键入help plot或在线搜索绘图文件。 (要将标记更改为红色的“ x”,我们将选项“ rx”与plot命令一起使用,即plot(..,[此处为您的选项],..,“ rx”);)

    2.2 梯度下降

    在这一部分中,您将使用梯度下降法将线性回归参数θ拟合到我们的数据集中。

    2.2.1 更新公式

    线性回归的目的是最小化成本函数:

    由线性模型给出

    回想一下,模型的参数是

    值。 这些是您将调整以最小化成本
    的值。 一种方法是使用批处理梯度下降算法。 在批次梯度下降中,每次迭代都会执行更新。

    随着梯度下降的每一步,您的参数

    接近最佳值,从而实现最低成本

    实施注意:我们将每个示例作为一行存储在Octave / MATLAB的X矩阵中。 为了考虑截距项(

    ),我们在 X 上添加了第一列并将其设置为1。这使我们可以将
    视为另一个“特征”。

    2.2.2 实施

    在ex1.m中,我们已经设置了用于线性回归的数据。 在接下来的几行中,我们向数据添加另一个维,以适应θ0截距项。 我们还将初始参数初始化为0,将学习率alpha初始化为0.01。

    X 

    2.2.3 计算成本函数

    当执行梯度下降以最小化成本函数时,通过计算成本来监控收敛是有帮助的。 在本节中,将实现一个计算

    的函数,以便可以检查梯度下降实现的收敛性。

    任务是完成文件 computeCost.m 中的代码,该文件是一个计算

    的函数。 在执行此操作时,请记住:变量X和y不是标量值,而是其行代表训练集中的示例的矩阵。

    完成后,下一步 ex1.m 将使用初始化为零的 θ 运行一次computeCost,然后您应该会看到代价函数值为32.07。

    现在,您应该提交解决方案。

    function

    2.2.4 梯度下降

    接下来将在文件 gradientDescent.m 中实现梯度下降。已经编写了循环结构,只需要在每次迭代中为θ提供更新。

    在编程时,请确保了解要优化的内容和更新的内容。记住成本

    由向量 θ 而不是 X 和 y 来参数化。通过改变θ的值而不是通过改变X或y来最小化
    的值,如果不确定,请参考本讲义中的方程式和视频讲座。

    验证梯度下降是否正常工作的一种好方法是查看

    的值,并检查其每一步是否在小,
    gradientDescent.m 的起始代码在每次迭代时都调用 computeCost 并计算代价函数值。假设您正确实现了梯度下降和 computeCost,则
    的值将永远不会增加,并且应在算法结束时收敛为稳定值。

    完成后,ex1.m将使用最终参数来绘制线性拟合。结果应类似于下图:

    6cf9dfaa52386857c5c712169304a760.png

    最终的θ值也将用于预测35,000和70,000人区域的利润。请注意,ex1.m中的以下几行使用矩阵乘法而不是显式求和或循环来计算预测。这是Octave / MATLAB中代码向量化的示例。

    现在,提交答案

    predict1 

    2.4 可视化

    为了更好地理解成本函数

    ,现在将在
    值的二维图中。 此部分无需编写任何新代码,应该了解已经编写的代码如何创建这些图像。

    在 ex1.m 的下一步中,设置了代码,以使用您编写的computeCost函数在值的网格上计算

    执行完这些行后,将拥有

    值的二维数组。 然后,脚本ex1.m将使用这些值通过surf和轮廓命令生成
    的曲面和轮廓图。 这些图应类似于下图:

    5ae3fc915d260a2fa9e4b2ff8a129151.png

    758efd75f7fc5fb9759a0929b540d19d.png

    这些图的目的是展示

    如何随
    的变化而变化。 成本函数
    是碗形的,并且是全局最小值。 (在轮廓图中比在3D表面图中更容易看到)。 该最小值是
    的最佳点,并且梯度下降的每一步都靠近该点。

    如有问题,欢迎私信交流。

    展开全文
  • 中国石油大学的matlab编程作业,虽然是崔学慧老师的,但是各个老师都差不多。可以改成自己的名字作文件名
  • 机器学习编程作业的代码(matlab),里面有共享连接,需要有matlab帐号,如果有什么问题可以私信我。
  • 该资源是吴恩达公开课后的8次作业的习题+编程答案,编程答案分为python版本和matlab版本
  • 1 简单的Octave / MATLAB功能ex1.m的第一部分为Octave/MATLAB作业提交练习。 在文件warmUpExercise.m中,找到Octave / MATLAB函数的提纲处。 填写下面的代码,修改为返回5 x 5的单位矩阵:A = eye(5,5)完成后,运行...

    4d3f3186df5dd4d32f6296b8cdc21d70.png

    1 简单的Octave / MATLAB功能

    ex1.m的第一部分为Octave/MATLAB作业提交练习。 在文件warmUpExercise.m中,找到Octave / MATLAB函数的提纲处。 填写下面的代码,修改为返回5 x 5的单位矩阵:

    A = eye(5,5)

    完成后,运行ex1.m(假设命令窗口位于正确的目录中,在Octave / MATLAB命令窗口输入“ ex1”),将看到类似于以下内容的输出:

    a87f5b49369e0684bb7ef120eeab70d4.png

    1.1 提交答案

    完成练习的一部分后,在Octave / MATLAB命令行中通过输入 Submit() 来提交作业答案。 提交脚本将提示您输入登录电子邮件和提交令牌(在COURSERA网站查看),并询问是否提交的文件。

    现在,提交解决方案。

    可以多次提交解决方案,只会考虑最高分。

    2 单变量线性回归

    在本练习的这一部分中,将使用一个变量实现线性回归,以预测食品卡车的利润。 假设您是一家餐饮连锁店的CEO,并且正在考虑将不同的城市开设新的门店。 该连锁店已经在各个城市开了卡车,您可以获得城市的利润和人口数据。您想使用此数据来帮助您选择要扩展到下一个城市。

    文件 ex1data1.txt 包含线性回归问题的数据集。 第一列是城市的人口,第二列是该城市的食物卡车的利润。 利润的负值表示损失。已经设置了ex1.m脚本来为您加载此数据。

    2.1 绘制数据

    在开始任何任务之前,通过可视化了解数据通常很有用,对于此数据集,您可以使用散点图来可视化数据,因为它仅具有两个要绘制的属性(利润和总体)。(您在现实生活中会遇到的许多其他问题是多维的,无法在二维绘图中绘制。)

    在 ex1.m 中,数据集从数据文件加载到变量X和y中:

    data = load('ex1data1.txt');  %加载ex1data1.txt数据
    X = data(:, 1); y = data(:, 2);  %取第一列的全部数据为X,第二列为y
    m = length(y);   %m等于训练样本个数

    接下来,脚本调用 plotData 函数创建数据的散点图。 您的工作是完成plotData.m绘制图; 在以下代码中修改文件并填充文件:

    plot(x, y, 'rx', 'MarkerSize', 10); 
    ylabel('Profit in $10,000s');       %设定y轴标题
    xlabel('Population of City in 10,000s');   %设定x轴标题

    现在,当您继续运行ex1.m时,我们的最终结果应下图所示,带有相同的红色“ x”标记和轴标签。

    196a1c28d77d375fbb0ea1acf8f61620.png

    要了解有关plot命令的更多信息,可以在Octave / MATLAB命令提示符下键入help plot或在线搜索绘图文件。 (要将标记更改为红色的“ x”,我们将选项“ rx”与plot命令一起使用,即plot(..,[此处为您的选项],..,“ rx”);)

    2.2 梯度下降

    在这一部分中,您将使用梯度下降法将线性回归参数θ拟合到我们的数据集中。

    2.2.1 更新公式

    线性回归的目的是最小化成本函数:

    由线性模型给出

    回想一下,模型的参数是

    值。 这些是您将调整以最小化成本
    的值。 一种方法是使用批处理梯度下降算法。 在批次梯度下降中,每次迭代都会执行更新。

    随着梯度下降的每一步,您的参数

    接近最佳值,从而实现最低成本

    实施注意:我们将每个示例作为一行存储在Octave / MATLAB的X矩阵中。 为了考虑截距项(

    ),我们在 X 上添加了第一列并将其设置为1。这使我们可以将
    视为另一个“特征”。

    2.2.2 实施

    在ex1.m中,我们已经设置了用于线性回归的数据。 在接下来的几行中,我们向数据添加另一个维,以适应θ0截距项。 我们还将初始参数初始化为0,将学习率alpha初始化为0.01。

    X = [ones(m, 1), data(:,1)]; % 在x中添加一列
    theta = zeros(2, 1); % 初始化拟合参数
    iterations = 1500; 
    alpha = 0.01;

    2.2.3 计算成本函数

    当执行梯度下降以最小化成本函数时,通过计算成本来监控收敛是有帮助的。 在本节中,将实现一个计算

    的函数,以便可以检查梯度下降实现的收敛性。

    任务是完成文件 computeCost.m 中的代码,该文件是一个计算

    的函数。 在执行此操作时,请记住:变量X和y不是标量值,而是其行代表训练集中的示例的矩阵。

    完成后,下一步 ex1.m 将使用初始化为零的 θ 运行一次computeCost,然后您应该会看到代价函数值为32.07。

    现在,您应该提交解决方案。

    function J = computeCost(X, y, theta)
    %COMPUTECOST Compute cost for linear regression
    %   J = COMPUTECOST(X, y, theta) computes the cost of using theta as the
    %   parameter for linear regression to fit the data points in X and y
    
    % Initialize some useful values
    m = length(y); % number of training examples
    
    % You need to return the following variables correctly 
    J = 0;
    
    % ====================== YOUR CODE HERE ======================
    % Instructions: Compute the cost of a particular choice of theta
    %               You should set J to the cost.
    
    J = (1/(2*m)) *((X * theta-y)'*(X*theta-y));
    
    % ============================================================
    end

    2.2.4 梯度下降

    接下来将在文件 gradientDescent.m 中实现梯度下降。已经编写了循环结构,只需要在每次迭代中为θ提供更新。

    在编程时,请确保了解要优化的内容和更新的内容。记住成本

    由向量 θ 而不是 X 和 y 来参数化。通过改变θ的值而不是通过改变X或y来最小化
    的值,如果不确定,请参考本讲义中的方程式和视频讲座。

    验证梯度下降是否正常工作的一种好方法是查看

    的值,并检查其每一步是否在小,
    gradientDescent.m 的起始代码在每次迭代时都调用 computeCost 并计算代价函数值。假设您正确实现了梯度下降和 computeCost,则
    的值将永远不会增加,并且应在算法结束时收敛为稳定值。

    完成后,ex1.m将使用最终参数来绘制线性拟合。结果应类似于下图:

    05588975f86ead526668ef5815074b36.png

    最终的θ值也将用于预测35,000和70,000人区域的利润。请注意,ex1.m中的以下几行使用矩阵乘法而不是显式求和或循环来计算预测。这是Octave / MATLAB中代码向量化的示例。

    现在,提交答案

    predict1 = [1, 3.5] * theta;
    predict2 = [1, 7] * theta;
    function [theta, J_history] = gradientDescent(X, y, theta, alpha, num_iters)
    %GRADIENTDESCENT Performs gradient descent to learn theta
    %   theta = GRADIENTDESCENT(X, y, theta, alpha, num_iters) updates theta by 
    %   taking num_iters gradient steps with learning rate alpha
    
    % Initialize some useful values
    m = length(y); % number of training examples
    J_history = zeros(num_iters, 1);
    
    for iter = 1:num_iters
    
        % ====================== YOUR CODE HERE ==================
        % Instructions: Perform a single gradient step on the parameter vector
        %               theta. 
        %
        % Hint: While debugging, it can be useful to print out the values
        %       of the cost function (computeCost) and gradient here.
        %
        
        theta = theta - (alpha/m) * (X'*(X*theta-y));
    
        % ========================================================
        % Save the cost J in every iteration    
        J_history(iter) = computeCost(X, y, theta); 
    end
    end

    2.4 可视化

    为了更好地理解成本函数

    ,现在将在
    值的二维图中。 此部分无需编写任何新代码,应该了解已经编写的代码如何创建这些图像。

    在 ex1.m 的下一步中,设置了代码,以使用您编写的computeCost函数在值的网格上计算

    执行完这些行后,将拥有

    值的二维数组。 然后,脚本ex1.m将使用这些值通过surf和轮廓命令生成
    的曲面和轮廓图。 这些图应类似于下图:

    f419f0a5f78a5a3d37f4d59b905f09b0.png

    1eed3ecfd7fe11989c7920ad4547490b.png

    这些图的目的是展示

    如何随
    的变化而变化。 成本函数
    是碗形的,并且是全局最小值。 (在轮廓图中比在3D表面图中更容易看到)。 该最小值是
    的最佳点,并且梯度下降的每一步都靠近该点。

    如有问题,欢迎私信交流。

    展开全文
  • 拜托各路大神,小小白虚心请教如何利用matlab编写程序,想用检测香蕉外表的黑褐色斑点以及香蕉外表腐烂的黑块来判断香蕉的品质,考虑了几天,查了好多资料,毫无头绪啊!
  • 虽然本文主按照吴恩达机器学习第8周编程作业内容进行编写,但是文章同样适用于学习K均值聚类(K-means Clustering)和PCA(Principal Component Analysis)算法的学习,文章中详细的介绍了两种算法的使用步骤,并且编写了...
  • Tunstall编码原理详见 Prof. Jim Massey’s notes 。仅考虑K=2的情况。详情见ReadMe。 Based on Prof. Jim Massey’s notes on Tunstall codes, implement (in whichever programming language you find ...
  • 机器学习编程作业ex3(matlab/octave实现)-吴恩达coursera 分成两部分,一是本节课程内容的简要回顾,二是作业步骤的推导 程序打包网盘地址提取码1111 一、(Week 4)内容回顾 逻辑回归Logistic Regression(LR)常...
  • Matlab编程训练 任务书 专 业 学生姓名 班 级 学 号 指导教师 段文勇 完成日期 2018年6月03日 实训要求 实训课时为一周要求在机房上满五天课 成绩评定分为两部分平时50% +作业50;其中平时包括 出勤上机情况最后上机...
  • 虽然本文主按照吴恩达机器学习第8周编程作业内容进行编写,但是文章同样适用于学习K均值聚类(K-means Clustering)和PCA(Principal Component Analysis)算法的学习,文章中详细的介绍了两种算法的使用步骤,并且编写了...
  • X(n)=r^n+w(n);w~N(0,1); 已知一组观测值1,,09,0.81,0.71,0.62,; 1,求r的估计值,要求精度达到0.005。 2,若要求精度达到 0.001,需要多少组观测值。
  • 这个资源为西安交通大学自动化专业模式分类选修课的编程作业matlab编写!
  • MATLAB-编程入门

    2021-04-10 10:41:02
    matlab作业系列之编程入门
  • 优化设计-复合型法-MATLAB编程求解优化设计-有约束复合型法-MATLAB编程求解有约束复合型法迭代步骤(计算流程图)MATLAB主程序约束条件判断子函数运算结果与可行域 优化设计-有约束复合型法-MATLAB编程求解 前段时间...
  • 分成两部分,一是本节课程内容的简要回顾,二是作业步骤的推导 程序打包网盘地址提取码1111 一、内容回顾 ...按照课程的要求,安装octave或者matlab软件。(这里part是根据主文件ex2中的分法来分的。) 实际意
  • MATLAB源码: 前两个略过不表,一个已经给出,另一个也很简单。 costFunction.m % ====================== YOUR CODE HERE ====================== % Instructions: Compute the cost of a particular choice of ...
  • 作业要求能掌握LMS算法的基本原理和自适应滤波器的基础知识 这次作业需要用到最小均方算法和自适应滤波器原理我好好复习了本科教材中的随机过程的基本知识以及学习了Matlab的基本编程知识 维纳滤波 设计维纳滤波
  • MATLAB语言编写连续函数最佳平方逼近的算法程序(函数式M文件)。并用此程序进行数值试验
  • 作业Matlab编程获取凸轮曲线 9-14试设计偏置直动滚子推杆盘形凸轮机 构的理论轮廓曲线和工作廓线已知凸轮 轴置于推杆轴线右侧,偏距e=20mm,基圆 半径r=50mm,滚子半径r=10mm 轮以等角速度沿顺时针方向回转,在凸轮...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 385
精华内容 154
关键字:

matlab编程作业

matlab 订阅