初始化v
for循环，针对各个赋值
两者for循环方式等价
while 循环
注意每个if while for 都要有对应的end表示结束
虽然没有强制要求，最好还是通过缩进来表达逻辑关系
注意elseif中间没有空格
整个if结束了才用end
因为之前是按照上课演示的敲，发现每个条件后面都会跟一个逗号，所以测试一下没有逗号是否可以运行
没有逗号也可以运行
自定义的函数
函数文件得在当前路径下或添加到搜索路径中
多个返回值的函数
成功调用
对于代价函数的表示
成功计算
向量化（Vectorization）：
向量化是指将数据通过矩阵和向量的方式进行计算，使得过程更易于理解也更易于编写
对于很多数据，如果直接计算则需要多个for循环，不仅麻烦还不好理解，以假设函数为例：
视频截图
在未向量化之前，我们若想求h(x)，代码如上图中一般用过for循环，不易理解且繁琐，然而若通过向量化，直接θ'*X得到假设值的向量矩阵
下求梯度下降法的向量化：
假设特征数为2，假设方程为h(x)
此时要不断循环
循环赋值求最小
于是对于θ中的每一项都得写个for循环进行赋值
此时将整个赋值过程，改为：
其中 α 仍为学习速率，是一个实数，而 θ 和 δ 都是一个n+1维的向量，其中 θ为：
θ的内容
根据定义 δ 应为：
改为矩阵表示为：
最终的结果大小应为一个3*1的向量
左边的矩阵就是X的矩阵的转置，而右边的矩阵可通过h(x)的向量减去y得到，最终计算的过程应为：
梯度下降法的求值过程
一步可以直接计算，非常方便
