Coursera machiine learning（第二周）

 这一周要用octave，一个类matlab软件。在学习操作上看一次coursera的教程并不能都记住。记不住没关系，不用当场反复看。我的经验是到了要用的时候可以从它原有的作业代码上学，再不行才倒回去重看octave的操作教程https://www.coursera.org/learn/machine-learning/lecture/9fHfl/basic-operation

这周的内容：

     a.multiple gredient descent (多元的梯度下降方法：用于最小化multiple costfuntion)

 b.feature scaling(特征放缩，用于多元函数h(x1,x2,x3,x4,...,xn)，
        平均各元(x1~n)对函数h(x)最终值的影响力)

 c.normal equation(其实是最小二乘法，可求解一个无解方程组的最优解)

tips：第二周的作业中，要算gredient descent。按照他原本来说我们要写一个for循环然后

一个一个把theta[i]算出来，再组成一个一维向量theta。 但是我们利用矩阵的运算方式可以

把过程简化为: 

 theta=theta - alpha/m*(X')*(X*theta - y);