Практикум 3.1. Нормализация признаков

3.1. Нормализация признаков

Цель: изучение метода нормализации признаков, как способа повышения эффективности работы градиентного спуска.

Задачи: получить практические навыки использования нормализации признаков для алгоритма градиентного спуска мультипараметрической линейной регрессии в математической среде Octave/MatLab.

Ход выполнения:

  • 1. Ознакомиться с теоретическими сведениями.
  • 2. Создать рабочую папку на рабочем столе с именем «1аЬЗ» для выполнения практикумов на своем компьютере.
  • 3. Скопировать содержимое папки «ML.Lab-rablab3» в рабочую папку.
  • 4. Запустить математическую среду Octave/MatLab.
  • 5. Используя комбинацию клавиш «Ctrl + О», открыть содержимое директории «1аЬЗ_1», а именно файлы «1аЬЗ_1.т», «featureNormalize.m».
  • 6. Начать работать с файлом «1аЬЗ_1.т».
  • 7. Пошагово выполнить следующие задачи внутри файла:
    • • инициализировать переменные для работы с исходными данными;
    • • построить график с исходным набором данных;
    • • вывести первые десять значений признаков и значений на выходе;
    • • написать функцию для нормализации признаков;
    • • вывести первые десять значений нормализованных признаков.
  • 8. Оформить отчет, содержащий титульный лист, цель и задачи практикума, задачи с кодом, график исходных и полученных данных, выводы о влиянии нормализации признаков на сходимость градиентного спуска, весь код программы в приложении (без инструкций).

Практикум 3.2. Метод градиентного спуска

3.2. Метод градиентного спуска

Цель: изучение метода градиентного спуска для мультипараметрической линейной регрессии.

Задачи: получить практические навыки использования алгоритма градиентного спуска для мультипараметрической линейной регрессии в математической среде Octave/MatLab.

Ход выполнения:

  • 1. Ознакомиться с теоретическими сведениями.
  • 2. Запустить математическую среду Octave/MatLab.
  • 3. Используя комбинацию клавиш «Ctrl + О», открыть содержимое директории «1аЬЗ_2», а именно файлы «1аЬЗ_2.т», «featureNormalize.m», «gradientDescentMulti.m» и «computeCostMulti.m».
  • 4. Начать работать с файлом «1аЬЗ_2.т».
  • 5. Пошагово выполнить следующие задачи внутри файла:
    • • инициализировать переменные для работы с исходными данными;
    • • написать функцию для нормализации признаков;
    • • инициализировать переменные для работы с градиентным спуском;
    • • реализовать алгоритм градиентного спуска.
  • 6. Оформить отчет, содержащий все структурные элементы (см. п.8 предыдущего практикума), а также выбранные значения а и num_i, графики функций стоимости, результат работы градиентного спуска.

Практикум 3.3. Метод нормального уравнения

3.3. Метод нормального уравнения

Цель: изучение метода нормального уравнения для мультипараметрической линейной регрессии.

Задачи: получить практические навыки использования алгоритма нормального уравнения для мультипараметрической линейной регрессии в математической среде Octave/MatLab.

Ход выполнения :

  • 1. Ознакомиться с теоретическими сведениями.
  • 2. Запустить математическую среду Octave/MatLab.
  • 3. Используя комбинацию клавиш «Ctrl + О», открыть содержимое директории «1аЬЗ_3», а именно файлы «1аЬЗ_3.т» и «normalEqn.m».
  • 4. Начать работать с файлом «1аЬЗ_3.т».
  • 5. Пошагово выполнить следующие задачи внутри файла:
    • • инициализировать переменные для работы с исходными данными;
    • • написать функцию для нормального уравнения.
  • 6. Оформить отчет, содержащий все структурные элементы (см. п.8 предыдущего практикума), а также результат работы нормального уравнения, сравнение с результатом работы градиентного спуска, сравнить преимущества и недостатки нормального уравнения и метода градиентного спуска.
 
Посмотреть оригинал
< Пред   СОДЕРЖАНИЕ   ОРИГИНАЛ   След >