cost function：假设我们的训练集中有n条数据，每个数据有m个feature，cost function就是hypothesis减去真实值再平方再除以2m。
Gradient descent 就是将cost function对 parameter （我们用希腊符号 theta 表示）求导之后乘以 learning rate（我们用希腊字母alpha表示），再用原来parameter的值减掉它，就得到一次update的值，反复如此，直至converge。
Multiple Gradient Descent 就是 gradient descent 应用于多个 feature。针对于常数项 parameter，我们假设它对应于一个值为1的feature。
feature scaling 是针对 gradient descent 的一个小技巧，因为各个feature的取值范围差异很大，很明显，范围大的 feature 它的 parameter 范围就小，又由于它的 feature 大，观察 gradient descent 式子可以发现这会导致一次下降可能过大，就会在最优解附近产生震荡，导致迭代次数过多。【个人理解，还需验证】
而feature scaling 将每个 feature 减去平均值后再除以 range （最大值减去最小值）就能得到一个接近于 [-1, +1] 的范围，这样可以提高迭代速率，这丫就是 mean normalization。
learning rate: 如果 learning rate 过小，就会收敛的过于缓慢，如果过快，就可能让结果发散（小窍门：让 learning rate 按照 1 -- 0.3 -- 0.1 -- 0.03 -- 0.01 - 0.003 -----）这样3倍的速率进行调试。
polynomial regression：除了线性回归，我们还可以采用多项式回归，比如某个 feature 的平方，立方，开方等等。但是要注意的是，feature scaling 也要随着 feature 一样变化。
Normal Equation：gradient descent的一个替代方案，就是将 features 用一个 m*（n+1）的矩阵X表示，将结果用一个 m*1 的向量 y 表示，通过下面的式子算出 theta 向量。
parameter theta = X的转置乘以 X，再取结果的逆矩阵，再乘以 X 的转置矩阵，最后乘以 y。
gradient descent 和 normal equation 的比较：
Normal Equation Noninvertibility：如果说 X的转置乘以X 所得到的矩阵不可逆怎么办？在 octave 中，我们有 inv（）进行常规的逆矩阵运算，也有 pinv（）在不可逆的情况下仍然让我们得到 theta。
是那些原因可能造成不可逆的问题呢：
- 重复的 feature。比如说有两个 feature 分别是房子的平方米面积和房子的平方英尺面积，这会导致矩阵的有一列是另外一列的倍数。这就导致了矩阵不可逆。
- 样本数量 m 小于等于 feature 数量 n
解决办法：删减 feature，或者 regularization
