梯度下降和正规方程的比较
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𝜃的替代方法。 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𝜃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（又称正规方程法），而不使用梯度下降法。 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（又称正规方程法），而不使用梯度下降法。
对于分类算法，逻辑回归算法，梯度下降法是一个非常有用的算法，可以用在有大量特征变量的线性回归问题。因为标准方程法不适合或者不能用在它们上。 对于分类算法，逻辑回归算法，梯度下降法是一个非常有用的算法，可以用在有大量特征变量的线性回归问题。因为标准方程法不适合或者不能用在它们上。
但对于特定的线性回归模型，标准方程法是一个比梯度下降法更快的替代算法。所以，根据具体的问题，以及特征变量的数量，来选择迭代方式。 但对于特定的线性回归模型，标准方程法是一个比梯度下降法更快的替代算法。所以，根据具体的问题，以及特征变量的数量，来选择迭代方式。
