对于稠密矩阵，进行浮点运算的时间复杂度都是O(n3)，从最简单的矩阵乘法，到求逆、SVD、Schur分解都如此，差别仅在于n3前的系数。
但在实际工作中，动辄几百个特征，求逆需要的算力是在实际工作中往往是不可能被满足的。
在应用机器学习算法时，我们通常采用梯度下降法来对采用的算法进行训练。
一般线性回归函数的假设函数为：
θ是我们回归后得到的某一组向量，h可以认为是在θ下的“预测值”。
于是我们得到这样一个方程，衡量理论值h与实际值y之间的总残差，称之为损失函数：
下图作为一个二维参数(θ1,θ2)组对应能量函数的可视化图：
对于可解的线性回归问题，能量函数图总是这种碗状结构，它只有一个局部最优解，同时也是全局最优解
梯度下降法的原理：先设置一个曲面上的起始位置，θ_0，然后沿着该点的梯度下降，并设定一定的步长，最终得到一个局部最优解。
下面我们来分析三种梯度下降方法。
批量梯度下降法BGD
我们的目的是要误差函数尽可能的小，即求解weights使误差函数尽可能小。首先，我们随机初始化weigths，然后不断反复的更新weights使得误差函数减小，直到满足要求时停止。这里更新算法我们选择梯度下降算法，利用初始化的weights并且反复更新weights：
这里α代表学习率（也就是每次下降的步长），表示每次向着J最陡峭的方向迈步的大小。为了更新weights，我们需要求出函数J的偏导数。首先当我们只有一个数据点（x,y）的时候，J的偏导数是：
则对所有数据点，上述损失函数的偏导（累和）为：
再最小化损失函数的过程中，需要不断反复的更新weights使得误差函数减小，更新过程如下：
伪代码如下：
由上图更新公式我们就可以看到，我们每一次的参数更新都用到了所有的训练数据（比如有m个，就用到了m个），如果训练数据非常多的话，是非常耗时的。但是它的优势在于，它的步数比较少。
批量梯度下降法的收敛图
