**********

例：

正规方程推导过程

参考：https://blog.csdn.net/chenlin41204050/article/details/78220280

多变量线性回归代价函数为：

其中： 

正规方程是通过求解下面的方程来找出使得代价函数最小的参数：

设有m个训练实例，每个实例有n个特征，则训练实例集为：

 其中表示第i个实例第j个特征。

特征参数为：

输出变量为：

故代价函数为：

进行求导，等价于如下的形式：

求导公式：

 该矩阵求导为分母布局下的标量/向量形式： 故有， 

 该矩阵求导为分母布局下的标量/向量形式： 故有： 

 其中为标量，可看成一个常数。 该矩阵求导为分母布局下的标量/向量形式： 故有： 

综上，正规方程为：

最终可得特征参数的表示：

梯度下降

正规方程

需要选择学习率

不需要

需要多次迭代

一次运算得出

当特征数量n大时也能较好适用

需要计算如果特征数量n较大则运算代价大，因为矩阵逆的计算时间复杂度为 ，通常来说当n小于10000 时还是可以接受的

适用于各种类型的模型

只适用于线性模型，不适合逻辑回归模型等其他模型

总结:

只要特征变量的数目并不大，标准方程是一个很好的计算参数的替代方法。具体地说，只要特征变量数量小于一万，通常使用标准方程法，而不使用梯度下降法。