线性回归是一种监督学习算法，它是一种回归模型，它的目标是要找到训练样本的最佳拟合直线（回归线），从而使模型可以对新数据进行预测，它的预测结果属于连续型数值。
例如：根据面积、房间数、建筑年龄预测房子的售价。
线性回归模型假设式（hypothesis）:
以均方误差（MSE）作为损失函数（cost function）:
包含L2正则项情况:
MSE用于度量预测值与真实值的偏离程度, 以梯度下降法最小化损失函数，从而使得模型学习到合适的权重参数。
权重更新过程：
Repeat until convergence {
…
…
}
w_(j) 代表第j个权重, i 表示第 i 个样本，α 表示学习率