向量化思想学习笔记

1、为什么要用向量化？

很多语言中包含了矩阵计算，矩阵计算可以将一些程序计算进行简化并且可以提速。

2、如何理解向量化？

【非向量化案例】

这个是一个我们通常计算预测的一个公式。左边的预测值是由右边的公式求和获得。

程序可以写成:

【向量化案例】

如果右边化简的话可以用以下表达式：

计算求和就是：

Theta*x=1*1+2*2+3*3+4*4=1+4+9+16=30

于是乎就达到了效果

变成可以写成：

3、场景应用：

梯度下降中我们会更新theta值，那么每次的迭代更新就可以使用这个思想：

【向量化思想】

使用Octave软件实现：

function [theta, J_history] = gradientDescent(X, y, theta, alpha, num_iters)    m = length(y); % number of training examples    J_history = zeros(num_iters, 1);    for iter = 1:num_iters        theta=theta-alpha/m*((X*theta-y)'*X)'endend

参考文献：

NG 《机器学习》课程，第5章第六节。