UFLDL 教程学习笔记（一）

ufdl的新教程，从基础学起。第一节讲的是线性回归。主要目的是熟悉目标函数，计算梯度和优化。

按着教程写完代码后，总是编译出错，一查是mex的原因，实在不想整了。

这位博主用的是向量，比较简洁：http://blog.csdn.net/lingerlanlan/article/details/38377023

这位博主用的是循环，更好理解：http://www.cnblogs.com/william7neral/p/4448566.html

接下来是logistic regression和向量化,没什么好说的：http://blog.csdn.net/lingerlanlan/article/details/38390085

这节主要是完成liner_regression.m,包括计算目标函数f和梯度g,需要注意的是要分清变量是列向量还是行向量或是矩阵。

对matlab不太熟，所以我稍微注释了下

function [f,g] = linear_regression(theta, X,y)
  %
  % Arguments:
  %   theta - A vector containing the parameter values to optimize.列向量
  %   X - The examples stored in a matrix.
  %       X(i,j) is the i'th coordinate of the j'th example.
  %   y - The target value for each example.  y(j) is the target for
  %   example j.行向量
  %
  %size(a,)求矩阵的行数 size(a,)求矩阵的列数，相当于length(a)
  %size(a)同时求矩阵的行和列数
  % m=size(X,);
  m = size(X,);
  n=size(X,);

  f=;
  g=zeros(size(theta));

  %
  % TODO:  Compute the linear regression objective by looping over the examples in X.
  %        Store the objective function value in 'f'.
  %
  % TODO:  Compute the gradient of the objective with respect to theta by looping over
  %        the examples in X and adding up the gradient for each example.  Store the
  %        computed gradient in 'g'.

%%% YOUR CODE HERE %%%
h = theta' * X
f = (/)* (h-y)' * (h-y)
g = X * (h - y)'