批梯度下降算法：

訓練樣本為一個時：更新Θi 讓代價函數最小，利用沿梯度下降方向函數會變得越來越小。這個函數是代價函數J關於(Θi )的。這裏並沒有在討論x，y。

關於為什麽式子（圖是復制的）可以讓代價函數趨向於最小值。參考博客：https://blog.csdn.net/ZengDong_1991/article/details/45563107

對於多個訓練算法，也是同理的，看函數圖像時，可以根據梯度方向繼續往下就可以讓代價函數最小（老師在課上的解答）。用上個博客中說到的方法也能證明

https://blog.csdn.net/u012790625/article/details/76904598

https://blog.csdn.net/s9434/article/details/77369010

Andrew機器學習第一課