@thedevil5032 你这是带硬件的，不算吧。

看帖容易，吐槽不易，吐且珍惜

@66450146 有道理，先ssh-add就能避免这种问题了。

@dndx 比如这个passphrase是常用密码。。。有这个可能性么。。
或者不用远端被黑了，比如arp攻击了，然后连到的其实是另外一台机器，然后就这么输入进去了。

@arbipher 嗯嗯，我明白了，还要在原X基础上-mu并且./sigma，谢谢，预测结果已经相互接近了。
感觉真爽～

@arbipher 好奇怪，是不是我的式子列的不对呀
用的你的theta的数据，两个都是同样的算法，可是就是差别几个数量级呢
[1 1650 3]*[334302.063993;100087.116006;3673.548451] = 1.6549e+08
[1 1650 3]*[89597.909542;139.210674;-8738.019112] = 2.9308e+05

@arbipher 哟西，看样子还是我学的不牢，估计哪里又出问题了，谢谢，我继续琢磨下。

@arbipher
@mikewoo
嘿，你们的ex1_multi.m的习题里面的预测结果normalEqn的结果和gradientDescent一样么。
我提交的作业中，Gradient Descent for Multiple Variables和Normal Equations的结果是正确的，但是预测出来的那个1650平方尺，3个卧室的房子差价有几个数量级。。

@mikewoo 嗯，后来改好了参数我也一样了。
不过也不叫考试数据吧，我说的有问题。是作业数据，是提交的时候打印出来，然后看到的。

@9hills 从标签看来，V2EX的分词比google的好

@arbipher 谢谢！
我公式记错了，1/m记成了1/(2m)，哈哈，通过了。

大家填坑的速度真快啊

@c742435
确实和货币很像，并且就像做外包。
但是区别还是很明显的：
没有经济利益的纠葛，更容易找到不只是为了刷钱的人。大家合作是为了兴趣，没有意思的项目即使有积分也少有人做。

这个机制可能可以刺激用户更活跃也感觉有点意思，所以顺带也说了下。
或许可以用在比如开源网站等。

^__^

@arbipher 这个图我是为了直观所以自己画出来看的。
我是用的考试数据～
看起来你的这个是练习数据，我的练习数据的结果是：
J_history =

14.9840
9.0562
6.9989
……
4.5740
4.5739
4.5737
4.5735
4.5734
4.5732

Theta found by gradient descent: -2.867800 1.089762
For population = 35,000, we predict a profit of 9463.666241
For population = 70,000, we predict a profit of 47605.328274

确实没有你的结果更收敛。
是不是你feature normalize过呀？

@arbipher ^__^ 感谢回复哈
是第三个，gradientDescent.m

@andyliu
@typing
@xiaogui
@deanguqiang
@arbipher
@mikewoo
@exch4nge

有同学么，请问。
http://ww3.sinaimg.cn/large/72d31d4fgw1ees40v70xrj20xc0p03zh.jpg

感觉我好像是对的呀，就是提交提示错误。

额，这个这个，请问一下，Machine learning ml-005的作业Gradient descent for one variable的cost要迭代到多少才算通过啊，我
theta =

0.62615
1.01028

J_history =

19.00239
2.62444
0.54737
0.28394
0.25052
0.24628
0.24573
0.24565
0.24563
0.24562

最后cost = 0.24562
还是提示错误
T__T

我发现用iphone的人经常说：不用，谢谢。

@cbsw 握手，同样喜欢dollar但是讨厌$