多元（多變量）梯度下降與特徵縮放、學習率 Gradient Descent for Multiple Variables （Feature Scaling、Learning Rate）

      與單變量線性迴歸類似，在多變量線性迴歸中，我們也構建一個代價函數，則這個代價函數是所有建模誤差的平方和。 即： 其中：         我們的目標和單變量線性迴歸問題中一樣，是要找出使得代價函數最小的一系列參數。   多變量線性迴歸的批量梯度下降算法爲：   求導數後得到：   我們開始隨機選擇一系列的參數值，計算所有的預測結果後， 再給所有的參數一個新的值，如此循環直到收斂。 代碼示

>>阅读原文<<