本節(jié)講述高級(jí)優(yōu)化算法和一些高級(jí)優(yōu)化概念平绩，使用這些方法會(huì)使我們邏輯回歸算法的速度更快，能更好的解決大型的機(jī)器學(xué)習(xí)問題快毛。
梯度下降算法：
其他的算法：
共軛梯度法（Conjugate gradient）格嗅；
BFGS算法；
L-BFGS算法唠帝。
這些算法優(yōu)點(diǎn)是不需要我們手動(dòng)的選擇α屯掖；速度快于梯度下降法。缺點(diǎn)是復(fù)雜襟衰。
所以我們只需要會(huì)使用它們贴铜，而不需要深究其中的原理。
在Octave中使用這些算法的例子：
初始化的θ維度要大于等于2瀑晒。
當(dāng)我們使用fminunc函數(shù)的時(shí)候绍坝，Octave會(huì)自動(dòng)的幫我們挑選出合適的高級(jí)算法去計(jì)算，我們不需要深究其中的細(xì)節(jié)苔悦，只需要會(huì)用即可轩褐。在一些大型的邏輯回歸問題中乖篷，我們需要使用這些數(shù)值算法幫助我們優(yōu)化運(yùn)行速度功戚。
