第二周（多变量线性回归 +Matlab使用）-【机器学习-Coursera Machine Learning-吴恩达】

目录：
    多变量线性回归（模型、梯度下降技巧）
    特征选择和多项式回归
    正规方程

    Matlab学习

1 多变量线性回归

1）模型

- 假设函数：

- 参数：全部的 theta
- 代价函数：和单变量回归一样

- 梯度下降：

2）梯度下降算法的实用技巧

    - 特征缩放（Feature Scaling）

    均值归一化

    u为该特征平均值；s为范围，也就是max-min

    - 学习率 alpha

    0.001，0.01，0.1……直到开始发散

    （alpha太小，收敛太慢；alpha太大可能会发散）

2 特征选择和多项式回归

特征是有很多选择的࿰