matlab随机梯度下降法做迭代过程图代码

以下是使用 MATLAB 实现随机梯度下降法的迭代过程图代码：

% 设置迭代参数
alpha = 0.01; % 学习率
maxIter = 100; % 最大迭代次数

% 初始化参数
theta = zeros(2, 1); % 参数向量
m = length(y); % 样本数量

% 绘制初始状态
plotData(X, y);
hold on;
plotDecisionBoundary(theta, X);
title('Initial State');

% 随机梯度下降法迭代
for iter = 1:maxIter
    for i = 1:m
        % 随机选择一个样本
        randIndex = randi(m);
        xi = X(randIndex, :);
        yi = y(randIndex);
        
        % 计算梯度和更新参数
        h = sigmoid(xi * theta);
        gradient = xi' * (h - yi);
        theta = theta - alpha * gradient;
    end
    
    % 每迭代10次绘制一次决策边界
    if mod(iter, 10) == 0
        plotDecisionBoundary(theta, X);
        title(sprintf('Iteration %d', iter));
        drawnow;
    end
end

其中，`plotData` 函数用于绘制数据点，`plotDecisionBoundary` 函数用于绘制决策边界，`sigmoid` 函数为逻辑回归的激活函数。在每次迭代时，我们随机选择一个样本来更新参数。每迭代10次，我们绘制一次决策边界，以观察算法的收敛情况。