线性回归之梯度下降（bgd）

线性模型：

$$\ y = \omega ^T * x + b$$
线性回归是假设数据满足以上的线性假设，其中w和x是一个向量，y和b是一个实数。
$$\ y = \omega_1x_1 + \omega_2x_2 + \omega_2x_2 + \cdots + \omega_3x_3 + \omega_nx_n + b$$
跟以上这个方程式是等价的。
$$loss = \sum_{i=0}^n (y_i-\hat y)^2 = \sum_{i=0}^n (\omega^Tx_i + b - \hat y_i)^2$$
显然，我们事先是不知道w和b取什么值是最好的。但是，我们知道，如果定义一个损失函数（就是上面的这个公式），当取到的w和b，使得损失函数的值最少时，这个w和b就是最好的。换句话说，当我们手上有足够多的一堆 (x⃗ 1,