机器学习之单变量线性回归的matlab实现

这里不详细讲述学习过程，会给出我的学习视频和博客–__–
单变量线性回归

1. 单变量线性回归表示特征向量只有一个，即影响y值的可变因素只有x一个
   即H(x)=theta0+theta1*x
2. 目的：使用一个线性函数拟合样本数据
3. 实现步骤：
   1）设置假设函数（Hypothesis）
   2）设置损失函数J（Cost Function）
   3）采用梯度下降的方法，得到使J最小时对应的theta0,theta1（Goal）
   

实现原理
对theta0，theta0采用梯度下降的方法逐渐减小或增加值直到使损失函数J的值最小，取当时的theta0和theta1作图
得到的迭代公式为下图，具体得到下列公式的方法可以参照最后的博客和视频

图中展示了如何对theta0和theta1进行梯度下降，注意的是这里的下降并不一定代表的就是减少而是表示图中的第一个减号，至于减少和增加取决于偏导数的正负。
matlab实现代码

clc; %清楚工作区的内容
clear; %清除工作区的所有变量
X=