coursera机器学习第二周编程作业

       首先下载需要的文档。下面是文档的翻译（英语新手纯手工goole翻译）（来源coursera）。

编程练习1：线性回归

机器学习

介绍

在这个练习中，你将实现线性回归，并看到它在数据上的工作。在开始编程之前，我们强烈建议您观看视频讲座并完成相关主题的复习问题。要开始练习，您需要下载初学者代码并将其内容解压到您希望完成练习的目录。如果需要，在开始本练习之前，使用Octave / MATLAB中的cd命令切换到此目录。您也可以在课程网站的“环境设置说明”中找到安装Octave / MATLAB的说明。

包含在这个练习中的文件（各个文件功能）

ex1.m - 指导您完成练习的Octave /MATLAB脚本

ex1 multi.m - 用于练习后面部分的Octave/ MATLAB脚本

ex1data1.txt - 用于一个变量的线性回归的数据集

ex1data2.txt - 用于线性回归的数据集with多个变量

submit.m - 将解决方案发送到服务器的提交脚本

 

[？] warmUpExercise.m -Octave / MATLAB中的简单示例函数

[？] plotData.m -显示数据集的函数

[？] computeCost.m -函数to计算线性回归的成本

[？] gradientDescent.m-运行梯度下降的函数

[+]computeCostMulti.m - 用于多个变量的成本函数

[+]gradientDescentMulti.m - 用于多个变量的梯度下降

[+]featureNormalize.m - 函数标准化特征

[†] normalEqn.m -计算标准方程的函数。

？表示文件您需要完成

 †表示可选练习

     在整个练习中，您将使用脚本ex1.m和ex1 multi.m。这些脚本为问题设置数据集，并调用您将要编写的函数。你不需要修改其中的任何一个。您只需按照本作业中的说明修改其他文件中的功能。对于这个编程练习，只需要完成练习的第一部分来实现一个变量的线性回归。练习的第二部分是可选的，涵盖了具有多个变量的线性回归。

        从何处获得帮助本课程中的练习使用Octave1或MATLAB，这是一种非常适合数值计算的高级编程语言。如果您没有安装Octave或MATLAB，请参阅课程网站的“环境设置说明”中的安装说明。在Octave / MATLAB命令行中，输入help后跟一个函数名称，显示内置函数的文档。例如，帮助图将为绘图提供帮助信息。有关Octave功能的更多文档可以在Octave文档页面找到。 MATLAB文档可以在MATLAB文档页面找到。我们也强烈鼓励使用在线讨论与其他学生讨论练习。但是，不要看别人编写的任何源代码或与他人分享你的源代码。

简单的octave/MATLAB功能

ex1.m的第一部分为您提供Octave /MATLAB语法和作业提交过程的练习。在文件warmUpExercise.m中，您将找到Octave / MATLAB函数的大纲。通过填充以下代码将其修改为返回一个5 x 5的单位矩阵：

A =eye（5）;

0ctave是一个免费的替代MATLAB。对于编程练习，您可以自由使用Octave或MATLAB。

完成后，运行ex1.m（假设你在正确的目录下，在Octave / MATLAB提示符处输入“ex1”），你应该看到类似于下面的输出：

ans =

对角矩阵

 

现在ex1.m会暂停，直到你按任意键，然后运行下一部分任务的代码。如果你想退出，输入ctrl-c将在程序运行过程中停止程序。

1.1提交解决方案

完成练习的一部分后，您可以通过在Octave / MATLAB命令行键入submit来提交您的解决方案进行评分。提交脚本将提示您输入登录电子邮件和提交令牌，并询问您要提交哪些文件。您可以从网页获取作业的提交令牌。

你现在应该提交你的解决方案。

您可以多次提交您的解决方案，我们