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:
∂J(θ;X,y)∂θj=∑ix(i)j(y^(j)−y(j))
矩阵的计算:
[AB]i,k=∑iAj,iBi,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/