我正在学习Andrew Ng的机器学习课程，目前正在用MATLAB/Octave编写一个前向传播代码来解决这个成本函数：

目前，我已经用for循环的形式编写了代码，如下所示：

for i= 1:m  for j= 1:num_labels    J = J + log(ht(j,i))*y(j,i) + log(1-ht(j,i))*(1-y(j,i));  endendJ = -J/m;

这样可以完成任务。然而，我希望简化这段代码，因为在MATLAB中使用for循环时，我总觉得有点“脏”，我觉得应该可以使用向量化的形式。但由于有两个求和，for循环似乎是自然的选择。

回答：

以下这行代码应该可以得到与您上面循环代码相同的结果：

J = -sum(log(ht(:)).*y(:) + log(1-ht(:)).*(1-y(:)))/m;

使用冒号运算符(:)将每个矩阵重塑为列向量，这样在元素-wise乘法后，可以通过一次调用sum来将所有结果相加。