标签：img str basic 技术 预测 cos com 一个 The
学习才能消去恐惧叭
Part 1: Basic Function
% 完成 warmUpExercise.m fprintf(‘Running warmUpExercise ... \n‘); fprintf(‘5x5 Identity Matrix: \n‘); warmUpExercise()
warmUpExercise返回一个n为5的单位矩阵
function A = warmUpExercise() A = eye(5);
Part 2: Plotting
data = load(‘ex1data1.txt‘); %读入数据 X = data(:, 1); y = data(:, 2); %X为数据的第一列，Y为第二列 m = length(y); % 训练集数据条数 plotData(X, y);
marker是图上画上点的地方表上符号，不如点，方框，圆框，十字，星号，等等
后面的size就是其大小了，不知道值的话，可以画完图点编辑框上面的箭头，然后双击画的图，下面出现属性框，marker项后面的数字下拉菜单就是size,选择合适的大小，今后就用这个值就行。
function plotData(x, y) figure(1); % open a new figure window plot(x,y,‘rx‘,‘MarkerSize‘,10); xlabel(‘Population of City in 10,000s‘); ylabel(‘Profit in $10,000s‘);
数据分布图如下：
Part 3: Cost and Gradient descent
1、梯度下降前的数据预处理与设置
X = [ones(m, 1), data(:,1)]; % 添加x0列，全置为1 theta = zeros(2, 1); % 初始化theta iterations = 1500; %迭代次数 alpha = 0.01; %学习率alpha
2、计算损失函数
线性回归的损失函数为：
预测值hypothesis hθ(x)为：
function J = computeCost(X, Y, theta) m = length(Y); J = (1/(2*m))*sum((X*theta-Y).^2);
3、执行梯度下降
标签：img str basic 技术 预测 cos com 一个 The
原文地址：https://www.cnblogs.com/Xycdada/p/11219193.html
