相比于week1中讨论的单变量的线性回归，多元线性回归更具有一般性，应用范围也更大，更贴近实际。
Multiple Features
上面就是接上次的例子，将房价预测问题进行扩充，添加多个特征（features），使问题变成多元线性回归问题。
多元线性回归将通过更多的输入特征，来预测输出。上面有新的Notation（标记）需要掌握。
相比于之前的假设：
我们将多元线性回归的假设修改为：
每一个xi代表一个特征；为了表达方便，令x0=1，可以得到假设的矩阵形式：
其中，x和theta分别表示：
所有的训练样本按行存贮在矩阵X中，看一个例子：
这样，我们可以通过向量的计算，直接得到一个m×1的假设结果向量：
Gradient Descent For Multiple Variables
梯度下降的通用形式依然不会变化：
只是，和单变量线性回归不同的是，多元线性回归需要同时迭代n+1个theta；
Gradient Descent in Practice I - Feature Scaling
特征归一化，总的说来是为了让特征之间的数值差距缩小，使数据分散在同一个数量级范围。
关于这样做的好处，可以减小数量级偏大的特征对数量级偏小特征的影响，比如上面所说的房屋面积size，和卧室数量；
如果将这两个特征画在上面的二维图中，就会变成一个瘦长的椭圆。
总之，如果想要使梯度下降算法收敛的更快，就需要使用特征归一化Feature Scaling，使特征分布在相近的范围中。
使新的特征最好分布在[-1,1]中，如上面使用xi/（数据范围：max-min）。
通常情况下，数据分布在[-1/3,1/3] or [-3,3]都是可以接受的。
正规化均值，使数据集的均值为0.（不要对x0使用）
可以一步同时完成数据归一和正规化：
其中μi为对应特征的均值；Si是特征数据已知的分布范围，通常是（max - min）来计算，或者为数据的标准差。
Gradient Descent in Practice II - Learning Rate
学习率a对于梯度下降是关键，下面就来讨论如何选取使算法高效运行的a值。
我们可以作关于损失函数 J（theta）和 迭代次数的函数，在指定的学习率a下的图象，
如果函数 J 不是单调减小的，那么需要减小a。
多次选择a，需要得到一个足够小的a，使得 J 在每一步迭代中都 不断减小；
但是如果a太小，梯度下降会收敛的很慢，这时也需要略微增大a。
选择a的原则：最好先找到最大的使 J 单调减小的a，最终选择比最大的a略小的值。
每次选择可以增大或减小3倍，然后再增大或减小数量级。
Features and Polynomial Regression
实际应用中，我们只使用简单的‘直线’回归显然是不够的，我们大多数情况下需要使用多项式拟合。
单看这些数据点的分布，直观上感觉使用曲线比直线拟合的效果要好一些。
根据实际的例子，关于房价的预测，size越大，房价不会下跌，选用三次函数拟合数据更好。
同时，平方根函数也是不错的选择：。
（注：如使用多项式回归，一定要使用特征归一化）
Normal Equation
Normal Equation是另外一种求参数theta的方法。
我们知道，梯度下降反复迭代的目的，就是求得那个最优解，而Normal Equation的思想就是直接通过求导，得到theta。
其对所有的θj分别求偏导数，然后使它们为0，解这些方程组，求得theta。
这样就不需要通过反复迭代而直接求得结果，效率颇高。下面是一个例子：
这是方法的矩阵表示：
相较于梯度下降，Normal Equation有以下优势：
不需要选择a，不需要进行迭代，只需计算一个n×n的转置矩阵，算法效率高，
而且在Normal Equation中不需要进行特征归一化操作。
注意：当n>10,000时，Normal Equation的计算代价过大，建议使用梯度下降。
Normal Equation Noninvertibility
如果XTX不可逆，根据上面的Normal Equation求theta的公式，原则上是不能使用的，那应该怎么处理这种情况？
XTX不可逆的情况：
1）冗余的特征（呈线性关系）：删除多余的特征；
2）特征过多，训练数据过少(m<=n)：删除某些特征，或 使用“regularization ”。