机器学习练习代码
https://github.com/zlotus/Coursera_Machine_Learning_Exercises
在练习中的文件和函数
- ex1 .m 引导你练习的脚本你（单变量）
- ex1_multi.m 后来部分（多变量）练习
- ex1data1.txt 线性回归单变量的数据组
- exdata1.txt 线性回归多变量的数据组
- submit.m 提交代码到服务器
- warmUpExercise.m 在matlab中简单例子的函数
- plotData.m 显示数据组的函数
- computeCost.m 计算线性回归的成本的函数
- gradientDescent.m 梯度下降的函数（单变量）
- computeCostMulti.m 计算多变量线性回归的成本的函数
- gradientDescentMulti.m 计算梯度下降的函数（多变量）
- featureNormalize.m 规范化特征函数
- normalEqn.m 计算正规方程函数
练习提示
在整个的练习中，你将使用代码ex1.m和ex1_multi.m.这些代码因一些问题共建立数据，并且调用你写的函数，你不需要修改仔仔的代码，你仅仅修改其他文件的函数，
对于这个这个程序的练习，第一部分的实现单变量线性回归的练习是必须做的，第二部分的练习是实现多变量的线性回归是可选的。
热身练习
返回5*5的单位矩阵
function A = warmUpExercise()
%WARMUPEXERCISE Example function in octave
% A = WARMUPEXERCISE() is an example function that returns the 5x5 identity matrix
A = [];
% ============= YOUR CODE HERE ==============
% Instructions: Return the 5x5 identity matrix
% In octave, we return values by defining which variables
% represent the return values (at the top of the file)
% and then set them accordingly.
A = eye(5);
% ===========================================
end根据数据画图
1 2 3
4 5 6
7 8 9
X = data(:, 1); // 读data里面的第一列，并且转置（1 4 7）代表的是1 1，2 1 ，3 1
y = data(:, 2); // 读data里面的第一列，并且转置（2 5 8）代表的是1 2， 2 2， 3 2
plot(x, y, 'rx', 'MarkerSize', 10); % Plot the data
ylabel('Profit in $10,000s'); % Set the y-axis label
xlabel('Population of City in 10,000s'); % Set the x-axis labelplot(x, y, 'rx', 'MarkerSize', 10);
参数：
X--向量或者矩阵
Y--向量或者矩阵
“rx”--样式
‘MarkerSize--样式的大小
10--大小就10（键值对）
xlabel('Population of City in 10,000s');
theta = zeros(2, 1);
