なぜロジスティック回帰コストが負になり、正しくないのですか？

Question

私はMatlabでロジスティック回帰を実装しています。データは標準化されています（平均と標準偏差）。私はあなたの学習率に応じて最適なポイントをオーバーシュートする可能性があることを理解しています。しかし、それはあなたのコストが上昇し始めることを意味しないのですか？私の場合、コストは負の領域になりますが、私は理由を理解できません。ここで

は、標準的な（？と思う）コストと重量更新規則

function J = crossEntropyError(w, x, y) 
    h = sigmoid(x*w); 
    J = (-y'*log(h) - (1-y')*log(1-h)); 
end 

重量アップデートです：

function w = updateWeights(alpha, w, x, y)  
    h = sigmoid(x*w); 
    gradient = x'*(h-y); 
    w = w - alpha*gradient; 
end 

これは私のコストで何が起こるかである、x軸は、反復です。

これは意味をなさない。 0を打ったときに、それは自己修正して、他の方向に行くとは思わない？つまり、微分値が最小値を指しているからです。私は学習率でプレーしました、ここではそれは0.0001に設定されています。しかし、同じパターンで違いはありません。問題は何ですか？ここに本当に間違った何かがあるはずですが、私はそれを見つけることはできません。

m = sieze(x) 

と

gradient = zeros(size(theta)); 

for i = 1:size(theta), 
    gradient(i)= (1/m)*sum((sigmoid(X*theta)-y).*X(:,i)); 

end; 

Answer 1

このコスト関数を試してみてください

J = -1/(m)*sum(y.*log(sigmoid(x*w))+(1-y).*log(1-sigmoid(x*w); 

だから私は私のミスを実現し、それは非常に愚かです。私はラベルがブール値（0または1）でないデータセットを使用していましたが、上記のクロスエントロピーエラーが発生しました。コードは正しいが、ブールでないデータのラベルには適していない。

質問は削除されますが、私のアカウントはブロックされたくありません。多分それは誰かを助けることができますか？

Answer 2

として