? ? ? ? 寫完ex5的作業(yè)之后驀然回首發(fā)現(xiàn)我原來完成作業(yè)的進(jìn)度還是挺慢的喉脖，人家吳教授寫的建議是3h完成的作業(yè)亚隙，我可能用上兩天：我就是糾結(jié)那幾行英文的理解箫攀，糾結(jié)幾個(gè)小細(xì)節(jié)肠牲，充分吃透，才能往下一步走靴跛。
? ? ? ? 這一期的練習(xí)缀雳，就是有兩個(gè)地方需要著重說明一下：
1.learningCurve：學(xué)習(xí)曲線。Learning Curve是計(jì)算隨著樣本數(shù)量m的變化梢睛，訓(xùn)練集和驗(yàn)證集的誤差肥印，所以每一個(gè)單元的訓(xùn)練集誤差（error_train(i)）,應(yīng)該以i為m計(jì)算出先訓(xùn)練出theta值，然后再計(jì)算error_train值绝葡，而error_validation應(yīng)當(dāng)以你在訓(xùn)練集有限的m訓(xùn)練出來的theta深碱，在我所有訓(xùn)練集驗(yàn)證產(chǎn)生的error。
它的總體思想就是：若干不同數(shù)量的訓(xùn)練集得出的theta藏畅，在validation集的誤差到底有多大敷硅。
for i = 1:m
? Xi = X(1:i, :);
? yi = y(1:i);
? [theta] = trainLinearReg(Xi, yi, lambda);
? error_train(i) = linearRegCostFunction(Xi, yi, theta, 0);
? error_val(i) = linearRegCostFunction(Xval, yval, theta, 0);//原先這里用的Xval是跟上面的Xi一樣截取同樣數(shù)量的長度的，其實(shí)是不用截取的愉阎。
endfor
2.lambda = 0
? ? 在最后一項(xiàng)練習(xí)validationCurve中要計(jì)算隨著不同的lambda绞蹦，訓(xùn)練集和驗(yàn)證集的誤差到底有多大。計(jì)算步驟有三：1.先按照給定的X, y榜旦，lambda訓(xùn)練出theta坦辟，2拿這個(gè)theta值計(jì)算驗(yàn)證集的代價(jià)。注意哦章办，第一步計(jì)算出theta的時(shí)候lambda要放指定的值锉走，但是計(jì)算第二步代價(jià)函數(shù)的時(shí)候lambda要設(shè)為0.為什么呢滨彻？依我理解，lambda值拿來訓(xùn)練處theta的挪蹭，lambda越高亭饵，懲罰越大，計(jì)算出來的theta是不同的梁厉，對(duì)不辜羊？但之后，theta已經(jīng)計(jì)算出來了词顾，如果再套上lambda計(jì)算代價(jià)八秃，就會(huì)顯得重復(fù)多余。lambda的職責(zé)主要是用來訓(xùn)練肉盹，而不是計(jì)算誤差昔驱。（其實(shí)在ex5的最前面已經(jīng)提醒過了哦）
% ====================== YOUR CODE HERE ======================
for i = 1:length(lambda_vec)
? lambda = lambda_vec(i);
? [theta] = trainLinearReg(X, y, lambda);
? error_train(i) = linearRegCostFunction(X, y, theta, 0);//原來這里放的是lambda，結(jié)果跟答案出入太大上忍，后來改為0
? error_val(i) = linearRegCostFunction(Xval, yval, theta, 0);
end
% =========================================================================
end
