这是我参与8月更文挑战的第26天，活动详情查看：8月更文挑战

题目要求及材料下载链接：Coursera下载地址

没用的信息略过，有用的翻译一下。

本练习中包含的文件：

• ex2.m – Octave/MATLAB脚本
• ex2_reg.m – Octave/MATLAB脚本，用于练习
• ex2data1.txt -练习前半部分的训练集
• ex2data2.txt -练习后半部分的训练集
• submit.m -交作业脚本
• mapFeature.m -函数生成多项式特征
• plotDecisionBoundary.m -绘制决策边界
• plotData. m -绘制2D分类数据
• sigmoid.m – Sigmoid函数
• costFunction.m -逻辑回归代价函数
• predict.m – 逻辑回归预测函数
• costFunctionReg.m -逻辑回归代价函数正则化

其中

• 表示您需要完成的文件

1 Logistic Regression

在练习的这一部分，你将建立一个逻辑回归模型来预测一个学生是否被大学录取。

假设你是一所大学的管理员，你想根据两次考试的成绩来预测每个申请人的录取机会。你现在有以前申请者的数据作为逻辑回归的训练集。对于每个样例，你都有申请人在两次考试中的分数和录取结果。你的任务是建立一个分类模型，根据这两次考试的分数来估计申请人的录取概率。

1.1 Visualizing the data

在学习算法之前，最好将数据可视化。在ex2.m的第一部分中过调用函数plotData将加载的数据生成二维图像。现在，完成plotData.m的代码，显示结果如图1。

为了让你练习所以让你完成plotData.m的代码。但是这是选做题，你可以不做，下边直接给你答案了，你可以直接复制粘贴。

% Find Indices of Positive and Negative Examples
pos = find(y==1); neg = find(y == 0);
% Plot Examples
plot(X(pos, 1), X(pos, 2), 'k+','LineWidth', 2, ...
'MarkerSize', 7);
plot(X(neg, 1), X(neg, 2), 'ko', 'MarkerFaceColor', 'y', ...
'MarkerSize', 7);
复制代码

直接复制进去长这样：

改完之后进入函数所在的目录运行octave，执行ex2函数就会看到你的图像跟图1一样。

1.2 实施

1.2.1 Warmup exercise: sigmoid function

在开始代价函数之前，回忆一下逻辑回归假设的定义如下：