问哪个是八度正则化的正确实现？

EN

我目前正在学习Andrew Ng的机器学习课程，我试着在学习的过程中实现这些东西，这样就不会忘记它们，我刚刚完成了正则化(第7章)。我知道theta 0是正常更新的，独立于其他参数，然而，我不确定这些参数中的哪一个是正确的实现。

实现1:在我的梯度函数中，在计算正则化向量后，将θ0部分更改为0，因此当它被添加到总数时，就好像θ0从未被正则化过。

实现2:将theta存储在temp变量：_theta中，用reg_step 0更新它(这样就好像没有正则化一样)，将新的theta 0存储在temp变量: t1中，然后用我想要的reg_step更新原始的theta值，并用t1 (来自非正则化更新的值)替换theta 0。

下面是我的第一个实现的代码，它不是高级的，我只是在练习:我使用的是八度，它是1-index，所以theta(1)是theta(0)

function ret = gradient(X,Y,theta,reg_step),
  H = theta' * X;
  dif = H-Y;
  mul = dif .* X;
  total = sum(mul,2);
  m=(size(Y)(1,1));

  regular = (reg_step/m)*theta;
  regular(1)=0;

  ret = (total/m)+regular,
endfunction

提前谢谢。