2016a版本的matlab怎么使用costfunction

在 MATLAB 2016a 中，可以使用 `fminunc` 函数来最小化代价函数。具体步骤如下：

1. 定义代价函数 `costFunction`，并将其作为输入参数传递给 `fminunc` 函数。代价函数应该有两个输入参数：参数向量 `theta` 和训练数据矩阵 `X`，以及一个输出参数 `J`，用于返回代价函数的值。

例如，如果你正在实现逻辑回归算法，则代价函数可以如下所示：

function [J, grad] = costFunction(theta, X, y)
m = length(y); % 训练样本数
J = 0;
grad = zeros(size(theta));
h = sigmoid(X * theta); % 假设函数
J = (-1 / m) * sum(y .* log(h) + (1 - y) .* log(1 - h)); % 代价函数
grad = (1 / m) * X' * (h - y); % 梯度
end

2. 为 `fminunc` 函数提供初始参数向量 `theta`、训练数据矩阵 `X` 和目标值向量 `y`。

例如，如果你有一个包含两个特征的训练集，其中有 100 个训练样本，你可以这样做：

% 初始化训练数据和目标值
X = [ones(100, 1) randn(100, 1) randn(100, 1)]; % 100x3 矩阵，第一列是全 1 向量
y = randn(100, 1) > 0.5; % 100x1 逻辑向量

% 初始化参数
initial_theta = zeros(size(X, 2), 1); % 3x1 列向量

3. 调用 `fminunc` 函数，并传递代价函数 `costFunction` 作为输入参数。`fminunc` 函数将返回最优的参数向量 `theta` 和代价函数的最小值。

例如，你可以这样做：

% 最小化代价函数
options = optimset('GradObj', 'on', 'MaxIter', 400); % 设置选项
[theta, cost] = fminunc(@(t)(costFunction(t, X, y)), initial_theta, options); % 最小化代价函数

在这个例子中，我们将代价函数 `costFunction` 作为一个匿名函数传递给 `fminunc` 函数，这可以让我们在调用 `fminunc` 函数时方便地传递额外的参数 `X` 和 `y`。