正规方程推导过程
参考：https://blog.csdn.net/chenlin41204050/article/details/78220280
多变量线性回归代价函数为：
其中：
正规方程是通过求解下面的方程来找出使得代价函数最小的参数：
设有m个训练实例，每个实例有n个特征，则训练实例集为：
特征参数为：
- 第二项：
该矩阵求导为分母布局下的标量/向量形式：
故有，
- 第三项：
该矩阵求导为分母布局下的标量/向量形式：
故有：
- 第四项：
其中
该矩阵求导为分母布局下的标量/向量形式：
故有：
综上，正规方程为：
最终可得特征参数的表示：
梯度下降与正规方程的比较：
|
梯度下降 |
正规方程 |
|
需要选择学习率 |
不需要 |
|
需要多次迭代 |
一次运算得出 |
|
当特征数量n大时也能较好适用 |
需要计算 |
|
适用于各种类型的模型 |
只适用于线性模型，不适合逻辑回归模型等其他模型 |
如果特征数量n较大则运算代价大，因为矩阵逆的计算时间复杂度为 
，通常来说当n小于10000 时还是可以接受的总结:
只要特征变量的数目并不大，标准方程是一个很好的计算参数的替代方法。具体地说，只要特征变量数量小于一万，通常使用标准方程法，而不使用梯度下降法。