第二周编程作业：Linear Regression
分为单一变量和多变量，假想函数为：hθ(x)=θ0+θ1x1+θ2x2+θ3x3+⋯+θnxn。明显已经包含单一变量的情况，所以完成多变量可以一并解决单一变量问题。
其中，需要注意的地方：
Feature normalization中，sigma是均方误差（标准差）。mu是某一列feature的平均值。
代码包上传到gitlab，所有问题的公式都在：coursera的lecture上。
最终结果：Nice work！
第二周编程作业：Linear Regression
分为单一变量和多变量，假想函数为：hθ(x)=θ0+θ1x1+θ2x2+θ3x3+⋯+θnxn。明显已经包含单一变量的情况，所以完成多变量可以一并解决单一变量问题。
其中，需要注意的地方：
Feature normalization中，sigma是均方误差（标准差）。mu是某一列feature的平均值。
代码包上传到gitlab，所有问题的公式都在：coursera的lecture上。
最终结果：Nice work！