Machine learning 矢量化梯度下降函数

我对线性代数相当陌生，目前正在学习Andrew Ng的机器学习课程。我很难理解下面两个函数是如何相同的。我正在研究线性/逻辑回归的向量化梯度下降

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

theta = theta - (alpha/m)*sum((X*theta -y)*x(i))

---

我的想法是席是向量，为了做向量乘法，我需要转置它，但是当试图模仿一个例子时，我看不出这是多么必要。任何帮助或解释都将不胜感激。

假设您参考的是底部的方程式，第4课，幻灯片8，那么您的总和就错了。席词是指在总和之内，而不是在外面。在“向量化”的情况下，输入X包含所有的个人观察席，假定是用你的代码来确定的列向量检查。因此，正确的等效下表达式应为：

theta = theta - (alpha/m)*sum((X*theta -y) .* X)

---

这实际上等价于顶部的另一个向量化表达式，因为一般来说，对于任何两列向量A和B，A`*B等价于SUMA.*B/P>是的，在席前面有一个操作符丢失。请回答您的问题，以确保所有代码都正确。什么是X'，是X转置吗？Andrew Ng的机器学习课程没有提供您可能认为的那么多信息来回答这个问题，不，我们不会去学习这门课程只是为了弄清楚什么是alpha，m，theta，y，X，在这个特殊的例子中，X是。重申你的问题，说明变量是什么，更重要的是，变量的维度，答案很可能会自动弹出。@CrisLuengo你说得对，Cris，我应该更具体一些，我会编辑这部分。