首先，它解决的是连续值得预测， 比如预测股票、房价等。它属于有监督型学习，D={x1,x2,x3,x4...xn,y}，相当于求参数θ，比如对于线性回归来说，就是求y=ax+b当中的a和b，既：θ1 θ2。
我们如何评价这个参数θ的好坏呢？？此时引入了代价函数（损失函数）loss function：
J(θ) = 1/2m ∑(hθ(x)-y)**2 ###此处是一个累加 从1累加到m，由于书写不方便就不写那么标准了
这个损失函数的意思就是 预测值减去实际值，然后平方累加，再做个平均值，反应的是波动的大小。
https://blog.csdn.net/achuo/article/details/51160101 这篇文章太牛逼了 太牛了！！写了具体的矩阵化！