逻辑回归的向量化实现样例
From Ufldl
Line 19: | Line 19: | ||
以下是梯度运算代码的一种实现,非常恐怖,速度极慢: | 以下是梯度运算代码的一种实现,非常恐怖,速度极慢: | ||
- | + | <syntaxhighlight lang="matlab"> | |
% 代码1 | % 代码1 | ||
grad = zeros(n+1,1); | grad = zeros(n+1,1); | ||
Line 45: | Line 45: | ||
但是,或许可以向量化得更彻底些。如果去除for循环,我们就可以显著地改善代码执行效率。特别的,假定b是一个列向量,A是一个矩阵,我们用以下两种方式来计算A*b: | 但是,或许可以向量化得更彻底些。如果去除for循环,我们就可以显著地改善代码执行效率。特别的,假定b是一个列向量,A是一个矩阵,我们用以下两种方式来计算A*b: | ||
- | + | <syntaxhighlight lang="matlab"> | |
% 矩阵-向量乘法运算的低效代码 | % 矩阵-向量乘法运算的低效代码 | ||
grad = zeros(n+1,1); | grad = zeros(n+1,1); | ||
Line 59: | Line 59: | ||
我们看到,代码2是用了低效的for循环语句执行梯度上升(译者注:原文是下降)运算,将b(i)看成(y(i) - sigmoid(theta'*x(:,i))),A看成x,我们就可以使用以下高效率的代码: | 我们看到,代码2是用了低效的for循环语句执行梯度上升(译者注:原文是下降)运算,将b(i)看成(y(i) - sigmoid(theta'*x(:,i))),A看成x,我们就可以使用以下高效率的代码: | ||
- | + | <syntaxhighlight lang="matlab"> | |
% 代码3 | % 代码3 | ||
grad = x * (y- sigmoid(theta'*x)); | grad = x * (y- sigmoid(theta'*x)); |