机器学习算法：线性回归 - MBGD小批量梯度下降法 - 手写代码
线性回归模型表达式：其中theta.shape=(1,m)，m=数据的特征数量。通过直接求导，可以得到theta的最优解，但是会遇到矩阵求逆的问题，而并不是所有的矩阵都可以求逆。由于矩阵求逆的不确定性，因而想到了用梯度下降法来逐步逼近最优解，梯度下降法又分为BGD、SGD、MBGD。BGD每次更新需要用全部数据，计算量大且耗时；SGD每次更新需要用一条数据，计算量小速度快，但是可能在最小值附近波动，不收敛；MBGD每次更新用一部分数据(batch_size)，计算速度并不会比SGD慢太多，每次使
