【softmax分类】基于梯度下降softmax回归实现minist数据分类matlab代码

1 简介随着科学技术的不断更新发展,人们在工作生活中越来越依赖计算机.人们希望把传统手写办公和计算机办公有机结合起来.为解决这一问题,手写数字识别为大家提供了一个新方向.高精确度和高效率办公与学习是人们日常工作生活中孜孜不倦追求的目标.随着网络信息技术的不断发展,深度学习逐渐被大家熟悉及利用,其中卷积神经网络在一系列计算机领域中取得了突破性进展.然而,手写数字识别由于其自身特点和复杂性,无论在技术领域还是在应用领域,仍然存在很大的发展空间.通过Softmax函数进行minist数据分类​。2 部分代码clear clc close all load MNISTdata % MNIST数据集 % 准备训练/测试数据集 label labels(1:9000); % 训练集标签 X [ones(length(label),1),[inputData(:,1:9000)]]; % 训练集输入数据 label_test labels(9001:end); % 测试集标签 X_test [ones(length(label_test),1),[inputData(:,9001:end)]]; % 测试输入数据 lambda 0.004; % 权重衰减参数Weight decay parameter alpha 0.1; % 学习速率 MAX_ITR100; % 最大迭代次数 tic [theta,test_pre,rate] mysoftmax_gd(X_test,X,label,lambda,alpha,MAX_ITR) index_t find(label_testtest_pre); % 找出预测正确的样本的位置 rate_test length(index_t)/length(label_test); % 计算预测精度 toc3 仿真结果4 参考文献[1]王风盼. 基于深度学习的手写数字识别方法研究. Diss. 重庆大学, 2018.部分理论引用网络文献若有侵权联系博主删除。