1. 有点忘了梯度下降法:先相关定义(注意其中:因为梯度是cosA 去+1的值,所以,所对应的元素值,就是对应的最大的,这个就可以解释,为什么后面要去梯度的反方向)
2. 看wiki的定义,F(x)已知a,梯度得到b,然后F(b)得到最低值,而联想在线性回归用的梯度下降法里面,不想传统的矩阵求解的方法,来进行对应的公式化,把x,y构造成矩阵,形成我们的求解中心,而在梯度下降法中,把theta当成我们的求解探求中心,建立对应的参数模型,costFunction,作为它的评价体系,然后,在这个的基础上,求梯度,迭代对应的theta,这样就可以求解了,而矩阵解法,就是对应的线性空间,不能很好的fit情况下,利用a transpose矩阵,进行对应的扩展值,形成最后的解,这样可以更好地有利于对应的分析。