ML-单变量线性回归

模型表示

回归既是监督学习的一种，有一组有标签特征的训练集，把这些训练集交给学习算法，经过算法的的处理，输出一个函数，然后在输入新的数据集，经过函数的计算后输出预测的结果。

我们将要用来描述这个回归问题的标记如下:

m 代表训练集中实例的数量
x 代表特征/输入变量
y 代表目标变量/输出变量
(x,y) 代表训练集中的实例
(x(i),y(i)) 代表第 i 个观察实例
h 代表学习算法的解决方案或函数也称为假设（hypothesis）

把我们的训练数据1,2,3,4,5...给我们的算法机器，机器开始进行算法学习，然后输入一个函数 h，函数 h输入的x是预测的数，输出的y是预测的结果，因此函数h是一个从x到y的函数映射。
函数h有一个表达式:，因此只含有一个数特征的输入变量，又可叫做单变量线性回归问题。