课程网址：Machine Learning | Coursera

第二周的主要内容有两个部分：多元线性回归和Octave教程。

一、多元线性回归

1.基本模型

 2.多元梯度下降

3.特征缩放

      将每个特征的范围大约控制在[-1,1]

      均值归一化：

4.学习率

      如果太小，梯度下降将很慢。

      如果太大，代价函数有可能不会随每次迭代减小，可能不能收敛。

      以三倍的增加进行尝试，...，0.001,0.003，0.01， 0.03，0.1，0.3,1，.....

5.正规方程求解法

                                                          

Octave：pinv(X' * X)*X' * y

6.梯度下降和正规方程法对比

 当n过大时，更倾向于用梯度下降算法。

二、Octave教程（略）