本节讲述高级优化算法和一些高级优化概念，使用这些方法会使我们逻辑回归算法的速度更快，能更好的解决大型的机器学习问题。
梯度下降算法：
其他的算法：
共轭梯度法（Conjugate gradient）；
BFGS算法；
L-BFGS算法。
这些算法优点是不需要我们手动的选择α；速度快于梯度下降法。缺点是复杂。
所以我们只需要会使用它们，而不需要深究其中的原理。
在Octave中使用这些算法的例子：
初始化的θ维度要大于等于2。
当我们使用fminunc函数的时候，Octave会自动的帮我们挑选出合适的高级算法去计算，我们不需要深究其中的细节，只需要会用即可。在一些大型的逻辑回归问题中，我们需要使用这些数值算法帮助我们优化运行速度。
