Machine Learing by Andrew Ng笔记 (二)：Linear Regression with One Variable部分二+部分线性代数

上一篇文章中提到了一般情况下（θ0不为0）梯度下降算法的寻找最小的θ0，θ1。

根据之前的消费函数，改变后的更新式子如下：

根据训练集中的训练实例不断更新两个偏导数的值，从而得到最小J（θ0，θ1）的。

在课程中介绍了线性代数的部分知识：

1. 矩阵的加减运算。

2. 矩阵的代数运算。

3. 矩阵与向量之间的运算

4. 矩阵与矩阵的符合运算

5.矩阵的转置与矩阵的逆

想要了解的可以查看 http://www.tongji.edu.cn/~math/xxds/kcja/kcja_a/01.htm