（1）Linear Regression with One Variable

Machine Learning 系列，转载自 http://blog.csdn.net/xuexiang0704/article/details/8867793

以下内容源自coursera上的machine learning，同时参考了Rachel-Zhang的博客(http://blog.csdn.net/abcjennifer)

梯度算法有两种：

（1）batch gradient descent（批量梯度下降）

（2）stochastic gradient descent（随机梯度下降）

参考http://cs229.stanford.edu/notes/cs229-notes1.pdf（P5-P7）

 

最后是拓展：

第一点：利用的另一种方法就是normal equation，不用迭代直接算出令cost function最小的参数theta，但是这个只适合特征比较小的（比如n=100，n=1000对于当代计算机的性能都是比较小的，当n=10000，n=100000就是比较大的）

第二点：对于很多特征特征需要用gradient descent，而不是normal equation