编程练习 1:线性回归机器学习
简介：在练习 1 中，你将实现线性回归。在开始本练习之前，使用 Octave 中
的 cd 命令切换到该目录。
本练习中包含的文件：
ex1.m - 用于练习单变量的 Octave 脚本
ex1 multi.m - 用于练习多变量的 Octave 脚本
ex1data1.txt - 一个变量的线性回归数据集
ex1data2.txt - 多个变量的线性回归数据集
[1] warmUpExercise.m - Octave 中的简单示例函数
[2] plotData.m - 显示数据集的函数
[3] computeCost.m - 计算线性回归损失的函数
[4] gradientDescent.m –运行梯度下降函数
[5] computeCostMulti.m – 多变量成本函数
[6] gradientDescentMulti.m – 多变量梯度下降
[7] featureNormalize.m – 规范化特征函数
[8] normalEqn.m – 计算常规方程函数
1-4：你必须要完成的部分
5-8：额外加分的部分
在整个练习中，你将使用脚本 ex1.m 和 ex1 multi.m。这些脚本为问题设置
了数据集，并调用了将要编写的函数。你无需修改它们中的任何一个。你只需要
按照此作业中的说明修改其他文件中的功能。
对于此编程练习，只需要完成练习的第一部分即可实现使用一个变量的线性
回归。练习的第二部分，你可能会额外花些功夫完成，它涉及具有多个变量的线
性回归。
1.简单的 Matlab 函数
ex1.m 的第一部分为你提供 Matlab 语法和作业提交过程的练习。在文件
warmUpExercise.m 中，你将找到 Matlab 函数的轮廓。通过填写以下代码，对其
进行修改以返回 5 x 5 的单位矩阵：
A = eye(5);
完成后，运行 ex1.m（假设您位于正确的目录中，在 Matlab 提示符下键入
“ ex1”），你将看到类似于以下内容的输出：
