cousera機械学習week2の概要。自分の理解では、線形回帰における機械学習とは、与えられる実データ(x,y)に対し、予測式HΘにxの値を代入れて得られる予測値との差が最小になるようなΘを機械的に見つけ出す手法のこと。このプロセスを行列式で示し、それをOctaveで記載して計算する。
1. カレントディレクトリをデータ、プログラムファイル(xxxx.m)のあるフォルダに設定。
プログラムファイルを使うと、ファイル名をコマンドのように扱うことができる。引数がある場合は、ファイル名（引数1,引数2,,,,）で記載する。
2. データを読み込み、x, y の行列に分割してプロットする。
3. 予想式（1変数による直線回帰）を定義する。
この式はxの1*2行列[1 x]とΘの2*1行列[Θ0; Θ1]の積で示すことが出来る。
4. 実データと予想値の差Jを定義する。
実データyと予想値H(x)の差の二乗の総和として定義。Θが決まると実データ(x,y)に対するJ値が決まる。
5. Θを変換させてJを徐々に小さくする。
Θの変換式はJ算出式の偏微分で定義できる（より良いΘに近づける変換ロジック、機械学習の肝）。Θ初期値、α値を決める。規定回数変換させてΘの収束値を求める。