梯度下降法matlab代码

以下是一个简单的梯度下降法的Matlab代码示例：

function [theta, J_history] = gradientDescent(X, y, theta, alpha, num_iters)
%GRADIENTDESCENT Performs gradient descent to learn theta
%   theta = GRADIENTDESCENT(X, y, theta, alpha, num_iters) updates theta by 
%   taking num_iters gradient steps with learning rate alpha

% Initialize some useful values
m = length(y); % number of training examples
J_history = zeros(num_iters, 1);

for iter = 1:num_iters

    % Perform a single gradient step on the parameter vector theta
    
    % Calculate the hypothesis h(x)
    h = X * theta;
    
    % Calculate the error between the hypothesis and the actual values
    errors = h - y;
    
    % Calculate the gradient
    gradient = (1/m) * (X' * errors);
    
    % Update the parameter values
    theta = theta - (alpha * gradient);

    % Save the cost J in every iteration    
    J_history(iter) = computeCost(X, y, theta);

end

end

其中，输入参数包括：

- `X`：训练集特征矩阵；
- `y`：训练集标签向量；
- `theta`：模型参数向量，初始值需要预设；
- `alpha`：学习率，控制参数更新的步长；
- `num_iters`：迭代次数。

输出结果包括：

- `theta`：更新后的模型参数向量；
- `J_history`：每一次迭代之后的代价函数值。

注意，此代码仅适用于线性回归模型，如果要使用于其他模型，需要修改代价函数和梯度的计算方式。