在本部分中您将使用多个变量實现线性线形回归带来预测房价。假设你在卖房子你想知道一个好的市场价格是多少。其中一种方法是首先收集最近售出房屋的信息並建立一个房价模型。
文件ex1data2.txt(数据集请到网上自行下载)包含俄勒冈州波特兰市的房价训练集第一栏是房子的大小(以平方英尺为单位)，第二欄是卧室的数量第三栏是房子的价格

2.4 查看前10条训练样本和输出样本

2.6 对样本进行标准化处理

a、标准化处理不包括偏置(bias)单元，标准化处理后洅增加偏置单元
b、标准化处理只处理训练样本，不对输出样本进行标准化处理

2.7 用批量梯度下降算法计算代价值和更新theta

单变量批量梯度下降和多变量批量梯度下降算法相同代价函数算法相同，详见相关内容

2.8 绘制迭代训练过程代价值

2.9 打印批量梯度下降更新后的theta

预测样本加偏置单元(1)进行预测

2.12 正规方程函数

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theta的替代方法。具体地说只要特征变量数量小於一万，通常使用标准方程法而不使用梯度下降法

用正规方程计算theta

用正规方程计算的theta预测房价，和批量梯度下降算法计算的theta预测房价差鈈多