矢量化编程

矢量化：
对于小的任务，例如房间数据集，我们在线性回归中使用，代码不需要非常的块。然而对于练习1A或者1B，使用for循环可能非常慢，而不能感兴趣的大问题。这是因为在每个训练样本上进行顺序地循环很慢。为了避免for循环，我们重写代码利用优化的矢量和矩阵操作，这样Matlab执行的就会快些。（这对于其他语言，包括Python和C/C++，如果可能的话，我们想再使用优化的操作。）
下面的几个例子告诉你如何在Matlab中矢量化各种操作。
例子：
1. 许多矩阵-向量点乘
2. 标准化许多矢量
3. 梯度计算中的矩阵相乘
在线性回归的梯度计算中，我们总结为下面的形式:

$$\frac{\partial J( \theta ; X,y )} {\partial \theta_j} = \sum_i x_j^{(i)} ( \hat y^{(j)}-y^{(j)})$$
矩阵的计算：
$$[AB]_{i,k}= \sum_i A_{j,i}B_{i,k}$$

参考文献：
1 http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial [中文版]
2 http://ufldl.stanford.edu/tutorial/supervised/Vectorization/