八度绘图一步一步（！）成本函数和梯度下降

Question

为Andrew Ng的Cousera课程＆＃34;机器学习＆＃34;我开始使用 Octave 。

对于线性回归分配（一个变量），提供了一个代码，用于创建原始数据与拟合线的散点图，弓形成本函数 J( theta_0, theta_1 ) 和一个轮廓情节。

但是：所有这些图只提供最终结果。

我希望看到一步一步的情节发展，以便更好地了解正在发生的事情。循序渐进的意思是：创建一个数字，添加第一个值，然后是第二个，然后是第三个，等到达到最终结果。

（1）一个讲座视频的截图：是否有可能将其显示出来，添加粉红色然后是绿色，然后是红色等等？

（2.1）搜索正确参数的第一步，梯度下降步骤1

（2.2）搜索正确参数的最后一步，梯度下降：包括所有单步

注意1：关于屏幕截图散点图+等值线图：在散点图中总是有一行可见，但它在步骤之间变化。在等高线图中，一个点后面出现。

注2：这不是作业请求！ 我只想学习Octave 中的绘图，并希望将其与学习梯度下降的方式结合起来＆＃34;真的＆＃34;的工作原理。

感谢每一位提供一些代码帮助的人！

Answer 1

使用hold all（或仅hold on，但颜色增量不会自动生成） ColorOrder是一个轴属性，可以作为后续图形轴的默认值，部分描述为here。

# start with a blank page
clf

# the curve (full line, blue)
x = -5:0.1:10;
y = x.^2;
plot(x, y, '-b')

# successive colors for the points
N_colors = 6;
colororder_map = cool(N_colors);
set(gcf, 'defaultaxesColorOrder', colororder_map)

# this will add the following plots, instead of replacing the old one
hold all
# note: "hold on" does the same, except the colors are not incremented

# the progression
x_p = [10, 7, 3, 1, 0];
y_p = x_p .^2;

# plot the progression
for cpt = 1:numel(x_p)
    x_current = x_p(cpt);
    y_current = y_p(cpt);
    plot(x_current, y_current, 'o')
    pause
endfor