一。概念解析：
有監督學習：對於x1,x2,x3明確知道其對應的label值
無監督學習：對於x1,x2,x3不知道其對應的label值
分類演算法：對於x1,x2,x3,x4作為特徵值，當輸入到演算法中得出有限個結果。比如對於銀行借錢，輸入年齡，性別，信譽等值 銀行反饋借款或者不借款為分類指標。
迴歸演算法：對於x1,x2,x3,x4作為特徵值，當輸入到演算法中得出一個區間範圍。舉例：比如對於銀行借錢，輸入年齡，性別，信譽等值對於借錢的範圍為1萬~10萬。
舉例：
PS：y的值與x1,x2相關，第二個函式當X0=1時即可等價於上式。θTx代表轉置，行向量*列向量。
PS：每個資料點y(（i）針對於模擬方程的誤差ε（i），假設兩個條件：
1.所有誤差（每個樣本點）服從高斯分佈（有一定規律，沒有規律也不能模擬）
2.高斯分佈（u，θ2）中u(均值)為0,方差為θ2的高斯分佈，其中均值為0 是因為y=θ0+θ1x+θ2x中一定能找到所有誤差相加截距為0的線。
相關數學知識點：最大似然估計，高斯分佈，最小二乘法。持續更新。
推導過程如下：詳細推倒部落格會進行更新 請持續關注。
PS：公式一大推結果θ值可以求得
持續更新中。。。歡迎大家關注我的公總號LHWorld