（注：由于本人的水平十分有限，且该博文只是本人在学习过程的一些笔记，所以出现很多错误也是不可避免的，不建议阅读）
主要内容：
一.模型简介
二.Cost Function
三.梯度下降
四.最小而成法
五.Feature Scaling
一.模型简介：
线性回归主要用于预测：因变量与自变量存在线性关系的问题。例如coursera中介绍的买房问题：房子的价格由房子的大小以及房间的数量所决定，而这就大致可以用线性回归来预测房价。假设房价为y = Θ0 + Θ1*x1 + Θ2*x2，其中x1、x2分别代表着房子大小和房间数，Θ0和Θ1为房子大小和房间数，Θ0为常数项。当我们的数据集足够大时，就可以较为精确地求出Θ0、Θ1、Θ2这三个参数，于是线性回归方程：y = Θ0 + Θ1*x1 + Θ2*x2 就确定了，当给出x1、x2即房子大小和房间数时，我们就可以大致预测出y，即房子的价格了。