Machine Learing by Andrew Ng (2) -多變量線性迴歸，正規方程，特徵縮放

多功能與多變量線性迴歸 n代表特徵變量個數，n個特徵變量與一個所求值構成一個樣本。 由單變量的梯度下降可推出，對每一個參數 theta_ i ，都要同步進行值的更新（在梯度下降的過程中） 特徵縮放 若特徵值之間值的範圍差異過大，會造成代價函數「崎嶇」的現象，運行梯度下降算法時便會產生過多的耗時和資源浪費。而利用特徵縮放來使代價函數的等值線變得均勻，能夠更高效的運行梯度下降算法。 通常情況下，用x_

>>阅读原文<<