摘要：这是梯度下降算法，θj 是待求的模型假设函数的参数，J(θ) 是代价函数，α 是学习率。 关于学习率α ，它的大小决定了你的算法的优劣，过大有可能导致算法不收敛；过小则会导致迭代次数太多，算法执行时间太长。 因此选择一个合适的 α 是十分重要的，之前老是听别人说什么“调参侠”，可能就是人工调试类似这 阅读全文

摘要：Use some particular functions, such as gradient descent, to minimize the cost function and finally get the hypothesis. 阅读全文