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：

% 初始化参数
theta = zeros(2,1); % 参数向量
alpha = 0.01; % 学习率
num_iters = 1500; % 迭代次数

% 加载数据
data = load('data.txt');
X = data(:, 1); % 特征向量
y = data(:, 2); % 目标向量
m = length(y); % 样本数

% 添加偏置项
X = [ones(m, 1), X];

% 计算代价函数
J_history = zeros(num_iters, 1);
J_history(1) = computeCost(X, y, theta);

% 梯度下降
for iter = 2:num_iters
    % 计算梯度
    grad = (1/m) * X' * (X * theta - y);
    
    % 更新参数
    theta = theta - alpha * grad;
    
    % 计算代价函数
    J_history(iter) = computeCost(X, y, theta);
end

% 绘制代价函数曲线
plot(1:num_iters, J_history, '-b', 'LineWidth', 2);
xlabel('迭代次数');
ylabel('代价函数值');

其中，`computeCost` 函数用于计算代价函数，代码如下：

function J = computeCost(X, y, theta)
    m = length(y);
    J = (1/(2*m)) * sum((X * theta - y).^2);
end

请注意，该代码只是一个简单的示例，实际应用中需要根据具体问题进行修改和优化。