机器学习入门~向量化

向量化

无论使用哪门编程语言，使用该编程语言内置的函数总要比自己手写的函数快很多，如Octave中直接对矩阵A和B进行A*B即可实现矩阵乘法，且效率比自己手写高得多。故，倘若能将数据简化，并应用于内置函数中，则可大大提高程序的效率。
①举个例子：对于假设函数h(x)，它的解析式为θ_j×x_j（0<j<=n）的求和，而倘若可以把它看作向量θ^T和向量x的矩阵相乘，则可大大提高程序效率。
②另一个例子，梯度下降的同时更新，即一次迭代中同时更新所有的θ值。

向量化实例👇：

θ为一个n+1维的向量，α为学习率，是一个标量，而δ是上图中公式构成的n+1维的向量。
δ为下图所示的变量组成的向量👇：