Coursera机器学习：渐变下降矢量化
问题描述：
我在理解如何矢量化Coursera上的机器学习课程中的函数时遇到了问题。Coursera机器学习：渐变下降矢量化
在过程中，安德鲁·吴解释说，假设可以被矢量对θ乘以X的转置：
H(x) = theta' * X
我的第一个问题是，当我实现这个练习。为什么纸上的矢量化是theta乘以x的转置，而在octave上它是X的theta？
theta'*X % leads to errors while multiplying
我的第二个问题跟在第一个问题后面。
当我想向量化这笔梯度下降函数：
sum((h(x)-y)*x))
我真的不明白你是如何得到这个曾经矢量：
X'*(h(x)-y)
任何人都可以解释一下吗？
答
这是一个味道的问题。通常的惯例是有矩阵向量乘法，即你喜欢什么。您可以通过调换所有东西从一种模式切换到另一种模式。也就是说，如果你的乘法X*theta工作，那么换位公式为theta.' * X.'
在每个X行X*theta包含一个采样点的数据（内核函数值）。
在theta.'*X约定中，包含采样点数据的列是X。
所以它总是依赖于上下文，什么是定义为行，什么是列向量以及它们如何放置在较大的对象或操作中。
要回答这个问题，知道矩阵的大小（X，theta，x，y ...）很重要。顺便说一句，你不应该使用'''作为转置，使用'。'' – Andy
谢谢你的回答。目前我的X值是一个47x3的矩阵，填充了1和值可在这里：https：//github.com/yhyap/machine-learning-coursera/blob/master/mlclass-ex1/ex1data2.txt。第三列是y（47x1矩阵）。 Theta是[0; 0; 0]。在这个特定的情况下，你知道我们为什么可以用这种方式进行验证吗？ – etiennefr
[机器学习 - 使用批梯度下降的线性回归]的可能重复（https://*.com/questions/32274474/machine-learning-linear-regression-using-batch-gradient-descent） – rayryeng