Machine learning 在倍频程中实现梯度下降的困难

我一直在尝试用八度音阶实现梯度下降。这是我目前掌握的代码：

function [theta, J_history] = gradientDescent(X, y, theta, alpha, num_iters)
  %GRADIENTDESCENT Performs gradient descent to learn theta
  %   theta = GRADIENTDESCENT(X, y, theta, alpha, num_iters) updates theta by
  %   taking num_iters gradient steps with learning rate alpha

  % Initialize some useful values
  m = length(y); % number of training examples
  J_history = zeros(num_iters, 1);

  for iter = 1:num_iters

% ====================== YOUR CODE HERE ======================
% Instructions: Perform a single gradient step on the parameter vector
%               theta.
%
% Hint: While debugging, it can be useful to print out the values
%       of the cost function (computeCost) and gradient here.
%
theta
X
y
theta' .* X
for inner = 1:length(theta)
  hypothesis = (X * theta - y)';        

  % Updating the parameters

  temp0 = theta(1) - (alpha * (1/m) * hypothesis * X(:, 1));
  temp1 = theta(2) - (alpha * (1/m) * hypothesis * X(:, 2)); 
  theta(1) = temp0;
  theta(2) = temp1;

  J_history(iter) = computeCost(X, y, theta);

  end

  end

我真的不知道这段代码出了什么问题，它编译并运行，但它是自动分级的，每次都失败

---

编辑：对不起，没有具体说明。我应该实现GD的一个步骤，而不是整个循环

编辑2：下面是全部内容。只有for循环中的内容与imo相关

---

编辑3：两个测试用例都失败了，所以我的计算有问题。

我想我的问题是，出于某种原因，我在那里有一个额外的for循环。

这个问题需要回答。不管怎样，你有数学问题的测试用例吗？一些简单的域/方程，你知道它的解吗？梯度下降是一个迭代过程，但我看这里没有循环…对不起，没有具体说明。我应该实现GD的一个步骤，循环已经预先编码到我正在处理的文件中。我有一个测试用例，但是它有97个不同的数据点，所以我认为我没有空间发布所有的测试用例。发布整个文件，包括预编码的东西。我们还可以如何重现这个问题？您能否创建一组应该工作但不更新的琐碎数据。你说得对karlphillip