【机器学习入门】1.4线性回归之案例

### 要完成的模块

-  `sigmoid` : 映射到概率的函数
-  `model` : 返回预测结果值
-  `cost` : 根据参数计算损失
-  `gradient` : 计算每个参数的梯度方向
-  `descent` : 进行参数更新

-  `accuracy`: 计算精度

1.基本思想

改数据->改模型

2.不同停止策略、梯度下降方法的不同实验效果对比

步长：小、

样本数：取一部分

迭代次数：多