线性回归算法的时间复杂度

线性回归算法的时间复杂度取决于训练数据集的大小和迭代次数。在每次迭代中，需要计算代价函数的梯度和更新参数，因此时间复杂度为O(m*n)，其中m是训练样本的数量，n是特征的数量。通常情况下，线性回归算法的时间复杂度为O(k*d^2)，其中k是迭代次数，d是特征的数量。因此，线性回归算法的时间复杂度是比较低的，可以处理大规模的数据集。