matlab罚函数的代码-MLLabs_HIT2018:哈尔滨工业大学2018机器学习实验室

matlab罚函数的代码 lab1 多项式拟合曲线 目标： 掌握最小二乘法求解（无惩罚项的损失函数）、掌握加惩罚项（2范数）的损失函数优化、梯度下降法、共轭梯度法、理解过拟合、克服过拟合的方法(如加惩罚项、增加样本) 要求： 生成数据，加入噪声； 用高阶多项式函数拟合曲线； 用解析解求解两种loss的最优解（无正则项和有正则项） 优化方法求解最优解（梯度下降，共轭梯度）； 用你得到的实验数据，解释过拟合。 用不同数据量，不同超参数，不同的多项式阶数，比较实验效果。 语言不限，可以用matlab，python。求解解析解时可以利用现成的矩阵求逆。梯度下降，共轭梯度要求自己求梯度，迭代优化自己写。不许用现成的平台，例如pytorch，tensorflow的自动微分工具。 提交材料： 1.代码 2.实验报告 lab2 逻辑回归 目的：理解逻辑回归模型，掌握逻辑回归模型的参数估计算法。 要求：实现两种损失函数的参数估计（1，无惩罚项；2.加入对参数的惩罚），可以采用梯度下降、共轭梯度或者牛顿法等。 验证：1.可以手工生成两个分别类别数据（可以用高斯分布），验证你的算法。考察类条件分布不满足朴素