谁能给我解释一下：
Theta1_grad(:, 1) = Theta1_grad(:, 1) ./ m;
Theta1_grad(:, 2:end) = Theta1_grad(:, 2:end) ./ m + ((lambda/m) * Theta1(:, 2:end));
我正在用python实现，我不知道Octave，我只是找到了这个神经网络实现，但我不明白这是在做什么。
参考： http: //feature-space.com/en/document49.pdf - 第 12 页 (2.5)
没关系，我认为它试图不修改第一列。
Theta1_grad(:, 1)获取矩阵的第一列，Theta1_grad然后将此向量的每个元素除以m
Theta1_grad(:, 2:end)获取从第 2 列到最后的矩阵的其余部分（基本上除了第一列之外的所有列）
通常，第一列设置为1允许估计模型截距
一般来说，.Octave中的算术运算之前的意思是逐个元素的运算，例如，A * B是普通的矩阵乘法，但是A .* B是逐个元素的乘法
快速阅读Octave会对您有所帮助。
编辑：
此方程适用于正则化神经网络（以降低过拟合风险）
Theta1_grad(:, 2:end) = Theta1_grad(:, 2:end) ./ m + ((lambda/m) * Theta1(:, 2:end));
我没有看到完整的代码，但我相信 lambda不是学习率，它是正则化参数（或惩罚），它Theta1自身相乘而不是梯度。