完成了第二周的课程和作业
按照作业教程,一步一步往下做,作业真是编的精致。
主要有2个地方改记录下
- 1、计算cost function
公式如下:

代码如下:
J = sum((X*theta - y).^2)/(2 * m);
X、theta等全部都是向量,所以支持任意维度的X输入,在gradientDescentMulti.m中可以直接使用,即当输入X变成2个及以上的特征时,也可以直接使用。
- 2、gradient descent
公式如下:

单次计算代码如下:
theta = theta - (alpha/m)* (X'*(X*theta - y));
看似简单的公式,自己去实现时,竟然折腾了半天,后续学习中还得坚持自己完成做作业。
最后,提交作业得到结果:
