1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

function [cost, gradient] = CostFunction2(theta, X, y)

    %邏輯迴歸的代價函式

    m = size(X, 1);

    gradient = zeros(size(theta));

    cost = sum(-y' * log(sigmoid(theta' * X'))' - (1 - y)' * log(1 - sigmoid(theta' * X'))') / m;

    for i = 1 : size(theta, 1)

       gradient(i) = 0;

       for j = 1 : m

          gradient(i) = gradient(i) + (sigmoid(X(j, :) * theta) - y(j)) * X(j, i); 

       end

       gradient(i) = gradient(i) / m;

    end

end

1

2

3

4

5

6

7

8

m = size(data, 1);

init_theta = zeros(3, 1);

X = data(:,[1, 2]);

X = [ones(m, 1), X];

y = data(:, 3);

%% 使用 fminunc 訓練

options = optimset('GradObj', 'on', 'MaxIter', 800);

[theta, cost] = fminunc(@(t)(CostFunction2(t, X, y)), init_theta, options);

1

options = optimset('GradObj', 'on', 'MaxIter', 800);