梯度下降算法为：
（摘自安德列斯NG Coursera课程）
如果有超过2个theta参数（特征权重），该算法应如何实施？
是否应包含额外的theta值：
并重复直到收敛，换句话说，直到theta0，theta1，theta2不再改变？
最佳答案
也许然后将theta转换为矩阵符号
big theta = big theta - alpha/m * sigma(h(big theta(X) - Y) * X .
Ng的表示法是向那些不太喜欢矩阵表示法的人讲清楚-我怀疑其中包括您自己。 –
矩阵公式（一个方程而不是多个方程）可能比OP中按顺序/单独描述的方程更清晰。单一矩阵表示法表明，更新实际上是对设计矩阵中所有向量的原子操作。基础线性代数库的责任是使该“发生”。
关于machine-learning - 超过2个theta值的梯度下降，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/33847827/