机器学习：正态方程（Normal Equation）

与梯度下降算法并列，这也是最小化成本函数J的一种方法，与之不同的是，该算法显式地执行最小化，不用迭代算法。（直接对J（θ）求导来最小化J所推得得公式）
该算法得过程如下：

根据训练集得到矩阵X，y，利用公式直接计算即可得到向量θ（即θ0~θn，接着即可得到假设函数h）。

与梯度下降法相较：
优点：无需选取学习速率α，无需进行迭代，一般适用于特征量n较小的情况（小于10000）
缺点：需要计算XTX的转置，复杂度高。