add complexity of GD

notes/week2.md

@@ -124,12 +124,12 @@ $\begin{aligned} & \text{repeat until convergence:} \; \lbrace \newline \; & \th
 
 下表列出了正规方程法与梯度下降算法的对比
 
-| 条件              | 梯度下降 | 正规方程                                     |
-| --------------- | ---- | ---------------------------------------- |
-| 是否需要选取 $\alpha$ | 需要   | 不需要                                      |
-| 是否需要迭代运算        | 需要   | 不需要                                      |
-| 特征量大[^1]时       | 适用   | 不适用，$(X^TX)^{-1}$ 复杂度 $O\left( {{n}^{3}} \right)$ |
-| 适用范围[^2]        | 各类模型 | 只适用线性模型，且矩阵需可逆                           |
+| 条件              | 梯度下降                    | 正规方程                                     |
+| --------------- | ----------------------- | ---------------------------------------- |
+| 是否需要选取 $\alpha$ | 需要                      | 不需要                                      |
+| 是否需要迭代运算        | 需要                      | 不需要                                      |
+| 特征量大[^1]时       | 适用，$O\left(kn^2\right)$ | 不适用，$(X^TX)^{-1}$ 复杂度 $O\left( {{n}^{3}} \right)$ |
+| 适用范围[^2]        | 各类模型                    | 只适用线性模型，且矩阵需可逆                           |
 
 [^1]: 一般来说，当 $n$ 超过 10000 时，对于正规方程而言，特征量较大。
 [^2]: 梯度下降算法的普适性好，而对于特定的线性回归模型，正规方程是很好的替代品。