ex4,

一開始做的時候，卡在了代價函式這裡，建議大家用for迴圈來練習這道題目，真正理解神經網路演算法和one-vs-all演算法的不同。

這個式子的重點在於計算

one-vs-all，十個分類器，分別做十次logistic迴歸。每一個的結果都要和y求誤差。也就是10次計算。再有5000個樣本，所以是10*5000次計算。

而對於神經網路演算法，output layer有十個units，每一個unit和對應y的unit求誤差，也就是10次計算。再有5000個樣本，所以是10*5000次計算。也就是式子中顯示的兩層求和，K*m。

而不是每一個outputlayer的unit和每一個y都求誤差，那就是10*10*5000（K*m*m）次計算。

ex5 

Regularized Linear Regression a nd Bias v.s.Variance

這邊的問題不大，主要是在求regularized linear regression cost function，線性迴歸正則代價函式。發現總是會給懲罰項從1開始積分，但是實數項的theta是不用積分的。