到目前为止，我们一直在使用梯度下降法来求解（通过一步步迭代来收敛到全局最小值）。相反地，正规方程提供的一种求解θ的解法。所以我们不再需要运行迭代算法，而是可以直接一次性求解θ的最优值。

    事实上，正规方程也有优点，也有一些缺点。但在讲它的优缺点和如何使用正规方程之前，让我们先对这个算法有一个直观的理解。下面我们来看一个例子。

    我们假设有一个非常简单的代价函数J(θ)。它就是一个实数θ的函数。所以现在假设θ只是一个标量，或者只是一个实数值，而函数是θ的二次函数。所以它的图像如下所示。

    那么，怎么最小化一个二次函数呢？我们知道，我们可以对函数进行求导并让导数值为0。这样，我们就会求得使J(θ)最小的θ值。这是θ为实数的一个简单的例子。但是，我们通常碰到的问题中，θ不是一个实数，而是一个n+1维的参数向量，代价函数J是这个向量的函数，也就是θ₀，θ₁，θ₂，……θ_n的函数。(J(θ₀,θ_1，……θn)=(1/2m)Σ(h_θ(xⁱ)-yⁱ)²)  [Q1：这里是m还是n呢？首先，我们要搞清楚n和m代表什么。n表示特征量的数目，m表示样本的数量。]

    我们要如何最小化这个代价函数？

    事实上，微积分告诉我们有一个方法能做到：就是逐个对参数θ_j求J的偏导数，然后把它们全部置零。如果我们这样做，并且求出θ₀,θ_1，……θn的值。这样就能得到最小化代价函数J的值。如果你真的做完微积分，并求出θ₀,θ_1，……θn的值，这个偏微分最终可能很复杂。

    下面让我们来看一个例子。假如现在有m=4个训练样本。

    为了实现正规方程法，我们要做的就是在数据集中再加上一列，对应额外特征变量的x₀，它的取值永远是1。接下来我们要做的，就是构建一个矩阵X。这个矩阵包括了所有训练样本的所有特征变量。我们要对y值进行类似的操作。我们取我们想要预测的值，然后构建一个向量y。所有，X是一个m*(n+1)的矩阵，y是一个m维向量。最后，我们用矩阵X和向量y计算θ值。设θ=(X^TX)^-1X^Ty，这样我们就能得到使代价函数最小化的θ。

    在一般情况下，假设现在有m个训练样本，从(x⁽¹⁾，y⁽¹⁾)一直到(x^(m)，y^(m))和n个特征变量。所有每个训练样本x(i)可能是一个如下所示的向量（一个n+1维特征向量）。我们接下来构建矩阵的方法也被称为设计矩阵。每个训练样本都给出一个像下图左侧一样的特征向量，我们要做的就是取第一个向量的转置，然后让第一个向量的转置称为设计矩阵X的第一行。同理，一直取到第m个向量的转置。

    举个具体的例子，假如我们除了x₀之外只有一个特征变量，那么我们的设计矩阵X如下图所示。

    我们就能得到一个m*2维矩阵。这就是如何构建矩阵X。而向量y就是把所有结果放在一起得到一个m维向量。

    最后构建好设计矩阵X和向量y之后，我们就可以计算θ=(X^TX)^-1X^Ty。

    下面我们就来讲一下θ=(X^TX)^-1X^Ty这个式子。

• 什么是(X^TX)^-1？

            (X^TX)^-1是X^TX的逆矩阵。具体的说，如果令A=X^TX（X^T是一个矩阵，X^TX也是一个矩阵），那么(X^TX)^-1就是矩阵A的逆（A^-1）。先计算X^TX，再计算它的逆。

• 在Octave中，计算这个量的命令为：pinv(X’ *X) *X’ *y。在Octave中X’用来表示X的转置。(X’ *X)计算的是X^TX；pinv是计算逆的函数，pinv(X’ *X)计算的是X^TX的逆；然后再乘X^T，再乘y。
• 根据数学知识，其实我们可以证出θ=(X^TX)^-1X^Ty这个式子算出的θ值，可以最小化线性回归的代价函数J(θ)。

    还记得我们之前讲过的特征缩放吗？事实上，如果我们使用正规方程，我们就不需要特征缩放。如果你使用正规方程，即使你的特征量的取值如0≤x₁≤1，0≤x₂≤1000，0≤x₃≤0.00001，也没有关系。但是，如果使用的是梯度下降法，特征缩放就非常重要了。

• 我们什么时候使用梯度下降法，什么时候使用正规方程法呢？下面我们讲一下关于它们的优缺点。

          假如我们有m个训练样本，n个特征变量。

    所以，如果n很大的话，使用梯度下降算法会比较好。如果n比较小的话，正规方程法可能会好一点。那么，什么算大什么算小呢？

    如果n是上万的，那么这个时候应用正规方程法的求解速度会开始变得有点慢，此时可能梯度下降法会好点（但是也不是绝对的）。如果n远大于此，那么这个时候使用梯度下降法会好点。