【线性回归】最简单的线性回归函数在Octave中及Python中的实现（一）

线性回归
最简单的线性回归函数在Octave中的实现
数据集为
x,y
[1,-890
2,-1411
2,-1560
3,-2220
3,-2091
4,-2878
5,-3537
6,-3268
6,-3920
6,-4163
8,-5471
10,-5157]
命题：
假设线性函数为y=theta0+theta1*x;

以下是回时调用：
%rap表示回归计算的步长
%minvalues表示两次回归计算的最小偏差，如果小于该值则表示拟合成功，返回参数集TheTa
%maxtimes表示最大拟合次数，如果达到该次数，即使没有拟合成功，也返回最后一次的TheTa值，bResult返回false，表示拟合失败
%x表示x的矩阵
%y表示结果集
%theta表示参数集

function [TheTa,bResult] = RepeatGetMini(rap,minvalues,maxtimes,x,y,theta)
curtimes=0;
m=size(theta)(1);
while true,
curtimes=curtimes+1
J1=costFunctionJ2(x,y,theta);
tmpmartrix=theta’*x’-y’;
%计算两个theta的值，由于计算导数的函数不一样，这里无法写成For循环去计算导数，这个问题留着后续在多元函数中进行考虑。
theta(1,1)=theta(1,1)-(rap/m)*sum(tmpmartrix);
theta(2,1)=theta(2,1)-