解释为什么用梯度下降而不是直接求导数为0的解？

问题：
在计算线性回归最大似然估计的解的时候，最后的推导结果是

为什么不直接求出θ？而是一步步迭代求出θ？
原因

因此，梯度下降可以节省大量的计算时间。此外，它的完成方式允许一个简单的并行化，即在多个处理器或机器上分配计算。
此外，当您只将一部分数据保留在内存中时，会出现梯度下降的版本，从而降低了对计算机内存的要求。总的来说，对于特大问题，它比线性代数解决方案更有效。

当您有数千个变量（如机器学习）时，随着维度的增加，这变得更加重要。