线性回归假设特征和结果满足线性关系。 其实线性关系的表达能力非常强大，每个特征
对结果的影响强弱可以有前面的参数体现，而且每个特征变量可以首先映射到一个函数，然
后再参与线性计算。这样就可以表达特征与结果之间的非线性关系。
我们用 X1， X2..Xn 去描述 feature 里面的分量，如n=2时估计函数表示为：
这里θ为学习器参数，令x0为1，则估计函数可表示为：
评估学习器模型的好坏需要评估参数θ的好坏，一般称这个函数为损失函数或错误函数J(θ)
如何调整θ以使得J(θ)取最小值就是我们评估的标准。取最小值的常见方法包括最小二乘法和梯度下降法。
最小二乘法与梯度下降法的关系？
最小二乘法的目标：求误差的最小平方和，对应有两种：线性和非线性。线性最小二乘的解是closed-form即而非线性最小二乘没有closed-form，通常用迭代法求解。
迭代法：即在每一步update未知量逐渐逼近解，可以用于各种各样的问题（包括最小二乘），比如求的不是误差的最小平方和而是最小立方和。
梯度下降是迭代法的一种，可以用于求解最小二乘问题（线性和非线性都可以）。高斯-牛顿法是另一种经常用于求解非线性最小二乘的迭代法（一定程度上可视为标准非线性最小二乘求解方法）。
还有一种叫做Levenberg-Marquardt的迭代法用于求解非线性最小二乘问题，就结合了梯度下降和高斯-牛顿法。
最小二乘法LMS
使用一些初始θ参数值，然后每次更新theta值使得J(theta)最小，可以使用梯度下降算法：
使用初始θ每次更新θ，式子中α为步长，不能太大也不能太小，太大的话可能会越过最低点，甚至可能无法收敛，下一次迭代又移动了一大步，越过一次，又越过一次，一次次越过最低点，直到你发现实际上离最低点越来越远，所以，如果α太大，它会导致无法收敛，甚至发散;α也不能太小，α太小的话，下降会很慢，示意图如下：
如果θ0一直为 0， 则theta1与J的函数为：
如果有θ0与θ1都不固定，则theta0、theta1、J 的函数为：
注意:如果是线性回归，则损失函数J(θ)的形状一定是碗状的，即只有一个最小值。
矩阵求导
推导过程参考https://wenku.baidu.com/view/cee1ff5e5727a5e9846a610a.html
