為了求得參數θ，也可以不用迭代的方法（比如梯度下降法對同一批數據一直迭代），可以采用標准方程法一次性就算出了θ，而且還不用feature scaling（如果feature不多的話，比如一萬以下，用這種方法最好）。
標准方程法介紹：
（1）
這里面，X的第一列是人為添加的，為了方便運算的，都置為1，后面才是真正的特征。
（2）
下面是樣本對應的輸出：
（3）
設擬合函數為： h(x) = θ0 * x0 + θ1 * x1 .... + θn * xn ( 其中x0 = 1)
（4）
采用均方誤差定好代價函數
最終結果 ：
證明：
要使得J最小，則有J對θ的導數=0，則
證完。
補充：
若不可逆，則
1）可能是有兩列是線性相關的，那么就刪除一個特征；
2）可能是特征值過多，則刪除一些特征值。
