吴恩达机器学习编程作业

吴恩达机器学习作业（Machine Learning）

Programming Exercise 1: Linear Regression

1. 简单热身
2. 单变量线性回归
   2.1. 用图显示数据
   2.2. 梯度下降
   2.3. 调试程序
   2.4. 可视化J(θ)
3. 多变量线性回归
   3.1. 特征归一化
   3.2. 梯度下降
   3.3. 正规方程

---

注意：
(1)数组索引从1开始，不是0。
(2)A*B与A.*B区别：
A*B为矩阵乘法，要求A的列数等于B的行数
A.*B为位乘或点乘，即为两个行列数相同的矩阵，对应位置一一相乘，得到的结果依位置对应到结果矩阵中（条件size（A）=size（B））

---

1 简单热身

---

2 单变量线性回归

2.1 用图显示数据

2.2 梯度下降

2.2.1 同步更新

2.2.2 梯度下降

2.2.3 计算成本函数J(θ)



运行结果：

2.3 调试程序 （略）

2.4 可视化成本函数J(θ)（略）

---

（附加题）

3 多变量线性回归

3.1 特征归一化

3.2 梯度下降（同前）