线性回归算法 linear regression
对于线性回归模型，我们期望对于样本数据集，通过假设函数，得出目标值
代价函数
m在这里指的是训练样本的数量
所以我们的目的就是得出代价函数（平方误差代价函数）
θ0=0
先从简化的开始学习，将θ0=0开始分析：
在此之下我们可以从不同的x得到不同的hθ(x)，从而推断出最小的的Jθ1在于x=0位置
θ0!=0
此时得到的J(θ0, θ1)图像为：
最终找到目标的最小值
对于线性回归模型，我们期望对于样本数据集，通过假设函数，得出目标值
m在这里指的是训练样本的数量
所以我们的目的就是得出代价函数（平方误差代价函数）
先从简化的开始学习，将θ0=0开始分析：
在此之下我们可以从不同的x得到不同的hθ(x)，从而推断出最小的的Jθ1在于x=0位置
此时得到的J(θ0, θ1)图像为：
最终找到目标的最小值