1.梯度下降法
能找到局部最优解，但不一定是全局最优解，与对应的函数样子有关
梯度下降法 ，想象成下山
for i itertor
环顾四周，想朝哪个方向下山最快
走一步
其中 走一步 为 alpha * 偏导数 ， alpha可以理解为步子的大小
alpha 过小 则达到收敛的时间需要很长
alpha 过大则有可能达不到收敛
alpha 0.001 0.003 0.01 0.03 0.1 0.3 1 3倍递增可能好点
梯度更新时候，注意对每个变量theta同步更新
2.正规方程法
像高数中求解函数的最小值那样，分别求出偏导数，然后得到对应的theta