即使学习率α不变，梯度下降也会在趋近最优点的过程中，由于导数的减小，自动缩小步伐，直至到达最优点
2-7 线性回归的梯度下降 在线性回归函数中，运用梯度下降算法求解最小化代价函数，最关键的问题是写好更新θ_j的算法 。
在梯度下降算法中带入线性回归函数函数，得到如下图所示的赋值等式：
第一次介绍梯度下降算法时，介绍了梯度下降算法容易陷入局部最优解，如下所示：
但是，在线性回归的代价函数中，只有一个最优解 。
计算这种代价函数时，只要使用线性回归函数，它总是能收敛到全局最优 。当θ_0,θ_1逐步向中心点靠近，假设函数h(θ_x)找到最优拟合曲线 。
刚刚所使用的梯度下降算法又名Batch算法：在每一步的梯度下降中，使用了所有的训练样本 。
3-3 矩阵向量乘法
利用矩阵向量乘法，简化预测房子价格的代码：

• 斯坦福大学吴恩达教授Machine Learning课程笔记
• 吴恩达机器学习：初探机器学习
• 【机器学习】吴恩达机器学习系列笔记
• 吴恩达机器学习1.1-1.4笔记
• python可以构建sem模型_【九枝兰】如何将机器学习应用到SEM账户中
• 数据结构·找数
• 2、第一个Mybatis程序
• 吴恩达ML简略总结
• 主题 机器人编程趣味实践07-信息交互
• 【开启新阶段】进入本科末段学习的计划