我正试图为人脸识别的逻辑回归(图像表示为19x19灰度图像)编写一个迭代重加权最小二乘算法,但权重总是以NaN结束。
w_new = zeros(361,1);
for i = 1:35 % 100-fold cross-validation of 3480 samples
[ phi, t, ~, ~ ] = removeRows100FoldCV(i, trainx, traint);
t( t == -1 ) = 0;
while(true)
w_old = w_new;
y = computeYs(w_old, phi);
R = generateR(y);
w_new = w_old - inv(phi' * R * phi) * phi' * (y - t);
if onlyMarginalChangesInW(w_new, w_old) == true
break;
end
end
end
目标向量t最初是1或-1,这取决于是否表示面部的图像。
y的计算:
function [ y ] = computeYs( w, phi )
y = zeros(size(phi,1), 1);
for i = 1:size(phi,1)
a = w' * phi(i,:)';
y(i) = 1/(1+exp(-a));
end
end
R的生成:
function [ R ] = generateR( y )
R = zeros(size(y));
for i = 1:size(R,1)
R(i,i) = y(i) * (1 - y(i));
end
end
以及中断条件触发器:
function [ result ] = onlyMarginalChangesInW( w_new, w_old )
result = true;
for i = 1:size(w_new)
if (w_new(i) / w_old(i) > 0.01)
result = false;
break;
end
end
end
NaN
结果出现在inv(phi' * R * phi)
中。你检查你的phi
了吗?尝试cond(phi)
检查它是否很大。这可能导致反向运算提供了一个庞大的元素。
顺便说一句,我试图理解为什么在你的迭代重加权最小二乘算法实现中它不是w_new = w_old - inv(phi' * R * phi) * phi' * R * (y - t);
?