function?delta=costFunction（thetamaxIndexdata）
%損失函數，給定參數θ（行向量）、參數下標最大值（模型變量指數最大值）、訓練數據集（樣本）
X=zeros（maxIndex+11）;
delta=0;
[len~]=size（data）;%len就是數據集的樣本數
for?i=1:len
????for?j=0:maxIndex
????????X（j+1）=data（i1）^j;
????end
????delta=（theta*X-data（i2））^2;
end
delta=delta/（2*len）;

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????目錄???????????0??2019-11-15?11:29??梯度下降算法代碼及詳細解釋（非常易懂）\
?????目錄???????????0??2019-11-15?11:29??梯度下降算法代碼及詳細解釋（非常易懂）\代碼\
?????文件?????????349??2019-11-06?22:29??梯度下降算法代碼及詳細解釋（非常易懂）\代碼\costFunction.m
?????文件????????1382??2019-11-06?22:30??梯度下降算法代碼及詳細解釋（非常易懂）\代碼\gradient_descent.m
?????文件??????????75??2019-11-15?11:30??梯度下降算法代碼及詳細解釋（非常易懂）\詳細解釋.txt