我是这样理解的哈 。pdf文档第二个结果应该是w的转置。书中的第一个A转置是为了方便梯度下降的时候与x相加方便，正好A的转置的一行求和在和x相加。x也是个列向量。pdf中的原始的w矩阵，每一列刚好是各个y对x_i的影响，所以w矩阵列元素相加以后就是梯度下降计算的delta，这个时候是一个行向量显然不方便运算，转置一下正好和同是列向量的x相减方便。
我是这样理解的哈 。pdf文档第二个结果应该是w的转置。书中的第一个A转置是为了方便梯度下降的时候与x相加方便，正好A的转置的一行求和在和x相加。x也是个列向量。pdf中的原始的w矩阵，每一列刚好是各个y对x_i的影响，所以w矩阵列元素相加以后就是梯度下降计算的delta，这个时候是一个行向量显然不方便运算，转置一下正好和同是列向量的x相减方便。
1、
code:
def f(x):
return x**3 - 1/x
x = np.arange(0, 3, 0.1)
plot(x, [f(x), 4*x -4], ‘x’, ‘f(x)’, legend=[‘f(x)’, ‘Tangent line (x=1)’])
result:
2、the answer of the second question:
[6x1, 5e**x2]T
