hθ(x)是一个假设函数，我们要求得参数向量θ使得损失函数J(θ)最低，我们可以看出，参数θ向量中包含多个变量（θ0，θ1，θ2，θ3），我们可以先选取一个参数，然后把
其他参数暂时作为常量，对J(θ)求导，得到改参数变量的下降方向，然后乘以学习系数便得到下降的步宽。利用以下公式更新参数：
也就是：
当所有参数都遍历一遍后即完成一次下落，如果学习系数足够小，最终可使损失函数J(θ)=0。此时的参数即为最佳参数。
hθ(x)是一个假设函数，我们要求得参数向量θ使得损失函数J(θ)最低，我们可以看出，参数θ向量中包含多个变量（θ0，θ1，θ2，θ3），我们可以先选取一个参数，然后把
其他参数暂时作为常量，对J(θ)求导，得到改参数变量的下降方向，然后乘以学习系数便得到下降的步宽。利用以下公式更新参数：
也就是：
当所有参数都遍历一遍后即完成一次下落，如果学习系数足够小，最终可使损失函数J(θ)=0。此时的参数即为最佳参数。