1. 梯度下降法 梯度下降法的原理可以参考：斯坦福机器学习第一讲。 我实验所用的数据是100个二维点。 如果梯度下降算法不能正常运行，考虑使用更小的步长(也就是学习率)，这里需要注意两点： 1）对于足够小的,  能保证在每一步都减小； 2）但是如果太小，梯度下降算法收敛的会很慢； 总结： 1）如果太小，就会收敛很慢； 2）如果太大，就不能保证每一次迭代都减小，也就不能保证收敛；

linear regression： clear all; close all; clc; x=load('c:\ex2Data\ex2x.dat'); y=load('c:\ex2Data\ex2y.dat'); figure % open a new figure window plot(x, y, 'o'); ylabel('height in meters') xlabe