本节课内容：
介绍单变量线性回归的Hypothesis公式、参数、代价函数，通过梯度下降法计算最优参数值，得到最终的Hypothesis公式，进行预测
单变量线性回归
代价函数（Cost Function）：平方误差函数（最常用）
梯度下降
广泛用于机器学习的众多领域
α称为学习速率，控制以多大的幅度更新参数：
当α很小时，梯度下降很慢
当α很大时，梯度下降可能越过最低点，可能无法收敛，甚至会发散
注意：θ_0 和θ_1 必须同步更新
在梯度下降法中，当我们接近局部最低点时，梯度下降会自动采取更小的幅度，因为局部最低点的导数为0，当接近局部最低点时，导数值会自动变得越来越小
线性回归的梯度下降
“Batch” Gradient Descent：每一步的梯度下降的计算中都涉及到训练样本中的全部数据
课程资料
课程原版PPT-Linear regression with one variable
练习内容和相关说明
相关数据1，相关数据2