courses-machine learning-gradient descent

gradient descent作业

涉及到octave循环语句，数据向量化，以及一些小细节

1.octave循环语句

for i=1:100,

*******;

end;

三个符号， ； ；

2.数据向量化

课程5-6,：vectorization

课程中的梯度下降法

 j代表θ向量的一个分量，而实际计算中，所有分量需要同步运算，也就是需要一个循环语句。但是如果把θ向量直接运算的话，则一步即可计算出所需答案（即上述公式中不再含有j）

具体到octave中，我们需要先计算Σ右边的公式(是一个向量：(X(i,:)*theta-y(i))*(X(i,:)');)而后勇一次对m的循环累加，最后得出θ

3.细节

2中的计算公式X(i,:)'，其中的 ' 是求转置，因为X(i,:)代表数据集中第i个数据，是一个行向量，而(X(i,:)*theta-y(i))得到的是一个值，故，如果不求X(i,:)的转置，那么Σ右边的值是一个行向量，而θ是一个列向量，两者无法相减，所以需要对X(i,:)求转置

这个细节在courses的5-6：vectorization中没有提及