Coursera機器學習：漸變下降矢量化

我在理解如何矢量化Coursera上的機器學習課程中的函數時遇到了問題。Coursera機器學習：漸變下降矢量化

在過程中，安德魯·吳解釋說，假設可以被矢量對θ乘以X的轉置：

H(x) = theta' * X

我的第一個問題是，當我實現這個練習。爲什麼紙上的矢量化是theta乘以x的轉置，而在octave上它是X的theta？

theta'*X % leads to errors while multiplying

我的第二個問題跟在第一個問題後面。

當我想向量化這筆梯度下降函數：

sum((h(x)-y)*x))

我真的不明白你是如何得到這個曾經矢量：

X'*(h(x)-y)

任何人都可以解釋一下嗎？

來源

2017-10-14 etiennefr

要回答這個問題，知道矩陣的大小（X，theta，x，y ...）很重要。順便說一句，你不應該使用'''作爲轉置，使用'。'' – Andy

謝謝你的回答。目前我的X值是一個47x3的矩陣，填充了1和值可在這裏：https：//github.com/yhyap/machine-learning-coursera/blob/master/mlclass-ex1/ex1data2.txt。第三列是y（47x1矩陣）。 Theta是[0; 0; 0]。在這個特定的情況下，你知道我們爲什麼可以用這種方式進行驗證嗎？ – etiennefr

[機器學習 - 使用批梯度下降的線性迴歸]的可能重複（https://stackoverflow.com/questions/32274474/machine-learning-linear-regression-using-batch-gradient-descent） – rayryeng

這是一個味道的問題。通常的慣例是有矩陣向量乘法，即你喜歡什麼。您可以通過調換所有東西從一種模式切換到另一種模式。也就是說，如果你的乘法X*theta工作，那麼換位公式爲theta.' * X.'

在每個X行X*theta包含一個採樣點的數據（內核函數值）。

在theta.'*X約定中，包含採樣點數據的列是X。

所以它總是依賴於上下文，什麼是定義爲行，什麼是列向量以及它們如何放置在較大的對象或操作中。

來源

2017-10-31 07:51:26 LutzL

Coursera機器學習：漸變下降矢量化

回答

相關問題