一。概念解析：
有监督学习：对于x1,x2,x3明确知道其对应的label值
无监督学习：对于x1,x2,x3不知道其对应的label值
分类算法：对于x1,x2,x3,x4作为特征值，当输入到算法中得出有限个结果。比如对于银行借钱，输入年龄，性别，信誉等值 银行反馈借款或者不借款为分类指标。
回归算法：对于x1,x2,x3,x4作为特征值，当输入到算法中得出一个区间范围。举例：比如对于银行借钱，输入年龄，性别，信誉等值对于借钱的范围为1万~10万。
举例：
PS：y的值与x1,x2相关，第二个函数当X0=1时即可等价于上式。θTx代表转置，行向量*列向量。
PS：每个数据点y(（i）针对于模拟方程的误差ε（i），假设两个条件：
1.所有误差（每个样本点）服从高斯分布（有一定规律，没有规律也不能模拟）
2.高斯分布（u，θ2）中u(均值)为0,方差为θ2的高斯分布，其中均值为0 是因为y=θ0 θ1x θ2x中一定能找到所有误差相加截距为0的线。
相关数学知识点：最大似然估计，高斯分布，最小二乘法。持续更新。
推导过程如下：详细推倒博客会进行更新 请持续关注。
PS：公式一大推结果θ值可以求得
持续更新中。。。欢迎大家关注我的公总号LHWorld
