先把公式列在这里方便表述：

我们设x0永远为1 ，用来表示 y = kx+b 中的 b 

因此，后面的式子就可以表述为：

data.insert(0, 'Ones', 1)
cols = data.shape[1]
# 取前cols-1列为输入向量
X = data.iloc[:,0:cols-1]
# 取最后一列为目标向量
y = data.iloc[:,cols-1:cols] 
X = np.array(X.values)
y = np.array(y.values)

因为python已经不推荐matrix了，所以我们就用array

注意我们在算梯度的时候：

theta - np.multiply((alpha / m) ,np.dot(np.dot(X,theta.T).reshape(1,-1) - y.T, X))

其中np.dot表示的是矩阵相乘，需要随时注意相乘以后的行和列，因为np.dot(X,theta.T)计算完后产生的是n行1列的数据，（假设相乘以后是全0）则表示为了：

[0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.
 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.
 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.
 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.
 0.]

而shape是(n,)

但用于下面的计算的矩阵必须得是(n,1)，所以需要reshape一下。