Machine Learing by Andrew Ng (2) -多变量线性回归，正规方程，特征缩放

多功能与多变量线性回归 n代表特征变量个数，n个特征变量与一个所求值构成一个样本。 由单变量的梯度下降可推出，对每一个参数 theta_ i ，都要同步进行值的更新（在梯度下降的过程中） 特征缩放 若特征值之间值的范围差异过大，会造成代价函数“崎岖”的现象，运行梯度下降算法时便会产生过多的耗时和资源浪费。而利用特征缩放来使代价函数的等值线变得均匀，能够更高效的运行梯度下降算法。 通常情况下，用x_

>>阅读原文<<