ML:单变量线性回归（Linear Regression With One Variable）
模型表达（model regression）
- 用于描述回归问题的标记
- m 训练集（training set）中实例的数量
- x 特征/输入变量
- y 目标变量/输出变量
- (x,y) 训练集中的实例
- (x(i),y(i)) 第i个观察实例
- h 机器学习算法中的解决方案和函数，即假设（hypothesis）
我们解决问题实际上就是将训练集“喂”给学习算法，进而学习到一个假设h，然后将输入变量x输入给h，预测得到结果y
假设函数（the hypothesis function）
- 假设函数一般形式：hθ=θ0+θ1x
我们算法的目的就是，将训练集送进算法中，以期得到θ0和θ1的确切值。之后就可以利用这一函数进行预测了。
代价函数（cost function）
- 我们通常使用代价函数评价一个假设函数的准确性。
- 代价函数一般形式：
