Algorithm matlab中给出错误答案的梯度下降算法

我正在学习机器学习课程，并尝试在matlab中实现梯度下降算法。computeCost函数运行良好，因为我已经分别对其进行了测试。我用它来查看每次迭代的成本，它似乎一点也没有减少。它只是随机波动。alpha的值被设定为0.01，所以我知道这不是学习率太高的问题。我得到的θ的答案与预期的结果相差甚远。我哪里做错了？提前谢谢

function theta = gradientDescent(X, y, theta, alpha, num_iters)
%GRADIENTDESCENT Performs gradient descent to learn theta

% Initialize some useful values
m = length(y); % number of training examples

temp1=0;
temp2=0;
for iter = 1:num_iters
for k = 1:m
    temp1 = temp1 + (theta(1) + theta(2)*X(k, 2) - y(k));
    temp2 = temp2 + ((theta(1) + theta(2)*X(k, 2) - y(k))*X(k, 2));

end 

theta(1) = theta(1)-(1/m)*alpha*temp1;
theta(2) = theta(2)-(1/m)*alpha*temp2;



computeCost(X, y, theta)

end

end

编辑：这里还有计算成本

function J = computeCost(X, y, theta)
m = length(y); % number of training examples


J = 0;
temp = 0;
for index = 1:m
    temp = temp + (theta(1) + theta(2)*X(index, 2)-y(index))^2;

end 
J = temp/(2*m); 
end

尝试更改：

temp1=0;
temp2=0;
for iter = 1:num_iters

到

---

每次迭代都需要重新计算梯度（或者你实际上是在建立动量项）。

查看computeCost会很有用-你的梯度完全不依赖于X（k，1）是否正确？X是一个矩阵，第一列中有1，作为θ1的系数。我不认为梯度取决于它。我还增加了计算成本。

for iter = 1:num_iters
  temp1=0;
  temp2=0;