吴恩达机器学习随笔（WEEK_2）

1. 梯度下降法寻找参数，使训练模型的代价函数值最小。梯度下降法就是对代价函数关于参数θ求偏导，不断迭代（一般由迭代次数限制）。梯度下降法找到的参数可能是局部最优解，而并非全局最优解。

2. 特征缩放以及均值归一化。特征缩放是为了将两个或多个范围不同的特征值缩放至近似的范围，从而使梯度下降法运行的更快一些，具体方法就是用特征值除以其自身范围。均值归一化则需要在除法之前先减去其数学期望，根据概率论知识，可以使整个特征值的数学期望归零。