约定符号：

m = 训练样本数

X = 输入变量（特征）

Y = 输出变量（目标变量）

(X,Y) = 表示一个样本

$\left ( X^{(i)},Y^{(i)} \right )$ = 第i个样本（上标i不是指数）

用线性表示则是：

$h\left ( X \right )=\Theta _{0}+\Theta _{1}X$

$\Theta$称为学习算法的参数

如果有2个特征则写成：

$h\left ( X \right )=\Theta _{0}+\Theta _{1}X_{1}+\Theta _{2}X_{2}$

这里的X是一个输入特征

如果需要让假设h对$\Theta$依赖，则写成

$h _{\Theta}\left ( X \right )=\Theta _{0}+\Theta _{1}X_{1}+\Theta _{2}X_{2}$

如果假设$X_{0}$=1，则公式可以简写成：

　　　　　　　　　　　　　　　　　　$h_{\Theta }\left ( X \right )=\sum\limits_{i=0}^{2}\Theta _{i}X_{i}=\Theta ^{T}X$

最后一个符号n表示所有的特征数目，也就是X的个数。

则公式可以写成：

　　　　　　　　$h_{\Theta }\left ( X \right )=\sum\limits_{i=0}^{n}\Theta _{i}X_{i}=\Theta ^{T}X$

我们要做的事情就是要让$\left ( h_{\Theta }\left ( X^{(i)} \right )-Y^{(i)} \right )^{2}$最小，也就是预测值减去实际值的平方最小，也就是误差最小

为了简化运算，引入一个$J\left ( \Theta  \right )$函数：

　　　　　　　　　　　　　　　　　　　　　　　　$J\left ( \Theta  \right ) = \frac{1}{2}\sum\limits_{i=0}^{m}\left ( h_{\Theta }\left ( X^{(i)} \right )-Y^{(i)} \right )^{2}$

我们所要做的是要是一个关于$ \Theta$ 函数$J\left ( \Theta  \right )$的值最小化，

如果我们初始化一个$ \Theta$ 为$\Theta=\vec{0}$，然后不断地去改变$\Theta$的向量，使得函数$J\left ( \Theta  \right )$的值不断减小，直到我们找到了一个$\Theta$使得$J\left ( \Theta  \right )$函数取到了最小值。

那么要按照什么方向寻找$\Theta$，并得到$J\left ( \Theta  \right )$的最小值呢？

我们需要根据$J\left ( \Theta  \right )$函数的最陡峭的部分往下走，最陡峭的部分也就是梯度。

梯度下降：

　　　　　　$\Theta _{i}:=\Theta _{i}-\alpha \frac{\partial }{\partial \Theta _{i}}J\left ( \Theta  \right )$

求导之后为：

　　　　　　$\Theta _{i}:=\Theta _{i}-\alpha \left ( h_{\Theta }\left( X  \right )-Y \right )X_{i}$

称之为更新函数，$\alpha$为学习速度，表示朝着最低点迈步的大小。

这里的冒号表示赋值

所以我们要做的是，将$\Theta$按照梯度下降的方法，最后使得$J\left ( \Theta  \right )$收敛，也就是找到了$J\left ( \Theta  \right )$的最小值。

如果样本数很多：

就要用到梯度下降方法的一些分类方法：

随机梯度算法，样本少，速度快，不收敛

批量梯度算法，样本多，速度慢，收敛。

另外一种计算$\Theta$的方法：

　　　　　　　　　　　　$\Theta =\left ( X^{T}X \right )^{-1}X^{T}Y$

但是$\Theta$不一定可以直接求出来。