机器学习定义
机器学习是一种实现人工智能的方法，它从数据中寻找规律、建立关系，根据建立的关系去解决问题。
也就是说，不需要人来找出数据间的关系，建立f(x)，这个过程让机器去根据数据集去总结出这个f(x)，并根据这个f(x)去解决后续问题，如已知输入，预测未知的输出。
将训练数据喂给计算机，计算机自动求解数据关系，在新的数据上做出预测或给出建议。
========================================
监督学习（supervised learning）
-训练数据包，包含正确的结果（标签-label）
无监督学习（unsupervised learning）
-训练数据包，不包含正确的结果
半监督学习（semi---supervised learning）
-训练数据包，包含少量正确的结果
强化学习（reinforcement learning）
根据每次结果收获的奖惩进行学习，实现优化 feed back
============================================================
线性回归
什么是回归分析（regression analysis）？
回归分析：根据数据确定，两种或两种以上变量间相互依赖的定量关系。
函数表达式： y= f(x1,x2,x3,....xn)
==========================================================
1、确认P与A之间的关系
P=f(A)
2、根据关系预测合理的价格 P=f(110)
3、做出判断
假如 y=ax+b，当前目标是找出合适的a，b，让该函数线尽可能趋近于数据集
假如x为变量，y为实际的结果，而y'为模型输出的结果，转换目标，通过调整a、b使y'尽可能能得靠近y。
minisize 其中m为样本数
损失函数 J=minisize 为什么要2m是为了之后得求导能把2m给约掉
例如：
损失函数与梯度下降
梯度下降举例
看到这里就明白为什么是反方向得规定步长了，在0.5处得切线是反函数，如果要找极值收敛应该要比
大的
因此对于a，b的求值过程为
和
都是临时值，每次循环时都要赋值给下一次代入计算的a、b，直至收敛。