机器学习自学之简单线性回归

1.概念：

                 什么是线性，线性指的是一条直线，它可以不是二维的，也可以是三维或者更高的维度，只是我们不能想象出来而已。

2.样例：

                  现在我们拥有了很多的数据，这些数据是关于随着学生的学习时长，他们考试后得到的评分，然后我们想得出其中的关系，等我们输入学习时长后，能得到一个大概的评分，这里我们就可以用到线性回归了，我们可以把评分设为y,学习时长设为x,然后得出公式,y=wx+b，现在我们要求的就是一条直线，因为他是有输入有标准输出的，所有属于有监督学习，这也是最简单的有监督学习，因为它是连续的一段值，而不是离散的，所以它属于回归。

3.代码：

0. 引入依赖

import numpy as np
import matplotlib.pyplot as plt
import numpy as np
import matplotlib.pyplot as plt

1. 导入数据（data.csv）

points = np.genfromtxt('data.csv', delimiter=',')
​
points[0,0]
​
# 提取points中的两列数据，分别作为x，y
x = points[:, 0]
y = points[:, 1]
​
# 用plt画出散点图
plt.scatter(x, y)
plt.show()

2. 定义损失函数

# 损失函数是系数的函数，另外还要传入数据的x，y
def compute_cost(w, b, points):
    total_cost = 0