特征缩放 （feature scaling）
确保不同的特征值在同一个范围内，这样能保证梯度下降能够更快的收敛。
例如：
x1是房屋大小，非常的大（0-2000）
x2是房间卧室数（1-5）
参数适当的缩放，使收敛的更快
建议把特征缩放到-1到1的范围，可以偏差，但不能偏差太大，特征值不需要太精确，只是希望梯度下降收敛更快。
学习速率的选取
如何选择梯度下降学习速率$\alpha$，可以画出代价函数随迭代步数$J(\theta)$增加的函数曲线，观察曲线来判断梯度下降算法是否收敛，下面这个曲线中，当迭代达到三百时基本已经停止下降，所以这个曲线中三百是最佳的迭代次数
一个典型例子来的判断是否收敛，比如代价函数$J(\theta)$已经小于一个ε，比如设置ε为0.001，选择一个阈值来告诉算法已经收敛。
$\alpha$过小会收敛太慢，过大会导致震荡无法收敛，通常会尝试多个α来找到最佳的学习速率，比如从0.001到1，每扩大三倍选取一个alpha来确定学习速率。
多特征值的线性回归问题
和前一章一样，对每个参数θ求J的偏导数，然后把它们全部置零，然后求出θ1到θn的值，这样就能求出最小的代价函数的所有θ的值。这是一个非常复杂的微分方程，用线性代数的方法可以快速解决。
Normal Equation
构建两个矩阵，矩阵X由x0（全部为1），x1，x2…xn构成，y是结果矩阵，X和y矩阵是以列排的
简单的说就是:
通过计算X的转置乘以X的逆乘以X的转置乘以Y来得到θ
就是这个公式，这里懒得写为什么了，这个也是最小二乘法的公式。
优点是不需要选取学习速率，不需要迭代，但是当特征值大于百万级别求矩阵的逆会非常慢，这时则应该选择梯度下降而不是标准方程。
当特征值存在线性关系时，会导致矩阵不可逆，但是可以通过求伪逆来获取结果刚，对结果影响不大。