多元（多变量）梯度下降与特征缩放、学习率 Gradient Descent for Multiple Variables （Feature Scaling、Learning Rate）

      与单变量线性回归类似，在多变量线性回归中，我们也构建一个代价函数，则这个代价函数是所有建模误差的平方和。

即：

其中：

 

      我们的目标和单变量线性回归问题中一样，是要找出使得代价函数最小的一系列参数。

 

多变量线性回归的批量梯度下降算法为：

 

求导数后得到：

 

我们开始随机选择一系列的参数值，计算所有的预测结果后， 再给所有的参数一个新的值，如此循环直到收敛。

代码示例:

 

 

特征缩放&#