使用向量化版本的梯度，如下所述： 梯度下降似乎失败了

theta = theta - (alpha/m *  (X * theta-y)' * X)';

theta值未被更新，因此无论初始的theta值是什么，运行梯度下降后设置的值都是这样的：

示例1：

m = 1X = [1]y = [0]theta = 2theta = theta - (alpha/m .* (X .* theta-y)' * X)'theta =    2.0000

示例2：

m = 1X = [1;1;1]y = [1;0;1]theta = [1;2;3]theta = theta - (alpha/m .* (X .* theta-y)' * X)'theta =    1.0000    2.0000    3.0000

theta = theta - (alpha/m * (X * theta-y)' * X)'; 是否是梯度下降的正确向量化实现？

回答：

theta = theta - (alpha/m * (X * theta-y)' * X)'; 确实是梯度下降的正确向量化实现。

你完全忘记设置学习率alpha了。

在设置alpha = 0.01后，你的代码变为：

m = 1                # 训练样本的数量X = [1;1;1]y = [1;0;1]theta = [1;2;3]alpha = 0.01theta = theta - (alpha/m .* (X .* theta-y)' * X)'theta =   0.96000   1.96000   2.96000