仍然以線性模型為基礎(chǔ)，從（一元到多元）線性方程多特征講開，以及多元的話特征向量如何表示，其中x0=1這個(gè)方法的確之前沒(méi)想過(guò)，真是妙啊~ 這樣就是n+1維向量了，方便！——看彈幕 大概是 歸一法 好像叫。

還講到如果x1 x2（其實(shí)就是訓(xùn)練數(shù)據(jù)集的數(shù)值范圍）差異較大，可以使用（x1-mean）/max的方法讓 數(shù)據(jù)產(chǎn)生的數(shù)（對(duì)O1 O2來(lái)說(shuō) 在一個(gè)近似的相近區(qū)間），這種方法來(lái)讓梯度下降更快，而不至于反復(fù)橫跳（彈幕有更專業(yè)說(shuō)法）——好像字幕翻譯的叫 （完了忘了）哦，縮放法。

通過(guò)圖像來(lái)確認(rèn)J(O) cost function 在朝著正確的方向收斂，這里提到 ax ——learning rate（好像是一個(gè)學(xué)習(xí)率，不太明白，是之前講過(guò)的內(nèi)容但當(dāng)時(shí)太困了沒(méi)聽進(jìn)去），——一般來(lái)說(shuō)ax 取足夠小的話就能夠順利收斂，如果太大（可能就是步長(zhǎng)太長(zhǎng)）就有可能越過(guò)最小值了，然后找不到那個(gè)最小值的點(diǎn)。吳恩達(dá)的方法是10倍取數(shù)&結(jié)合圖像觀察。

再有講到 多項(xiàng)式 的方法，就是有點(diǎn)像以前學(xué)過(guò)的疊加，就是不同走向的方程式疊加在一塊，比如二次的疊加三次的。