机器学习（二）线性分类的最小平方误差法

本篇最适合初学者进行自学学习，建议把本篇的代码自己敲一遍。

数据集已放出，在博主的下载界面自行下载

%%生成3个类别的数据（每个类别20个样本）
% data=randn(2,60);  %第1类均值 0,0
% data(:,21:40)=data(:,21:40)+7;  %第2类均值 7,7
% data(1,41:60)=data(1,41:60)+7;  %第3类均值 7，-7
% data(2,41:60)=data(2,41:60)-7;
%  scatter(data(1,1:20),data(2,1:20),'*');
%     hold on;
% scatter(data(1,21:40),data(2,21:40),'+');
%     hold on;
% scatter(data(1,41:60),data(2,41:60),'.');
%     hold on; 

data=reshape(trdata,784,60000);
data=data./255;

%数据升1维，定义权重向量w    
data(785,:)=ones(1,60000);

%定义类别标签
z=-1.*ones(10,60000);
for ab=1:10
    z(ab,sum(trnum(1:ab-1))+1:sum(trnum(1:ab)))=1;
end
% z(1,1:20)=1;
% z(2,21:40)=1;
% z(3