Octave 计算未知数量因子的梯度

有没有更好的方法写这个？更具体地说，是否有一种方法可以删除循环并直接计算

grad

，而无需迭代

for j = 1:size(theta)
    grad(j) = 1 / m * sum((h - y) .* X(:, j));
endfor

---

h

和

y

都是向量，

X

是一个矩阵，具有任意数量的行和与

theta

相同数量的列。您的代码看起来非常优化

唯一的出路；此代码可以编写；将梯度初始化为零矩阵，然后使用矢量化计算执行必要的梯度。下降优化算法