本次课程讲的是线性回归模型的模型概述。

线性回归属于监督学习的例子。给定的数据集中有关于房价的标注，如下表所示：

对此，我们便于以后课程的学习，约定以下符号：

m = Number of training examples（训练样本数量）

x = "input" variable / features（输入变量/特征）

y = "output" variable/ "target" varable（输出变量/特征变量）

(x, y) 表示一个训练样本

实现一个线性回归的步骤如下：

首先，将训练数据集送入我们的线性回归算法（Learning Algorithm）
然后，根据训练集训练我们算法中的参数
最后，得到假设函数 h(x) (hypothesis)，由假设函数来预测我们的结果。步骤如下图所示：

对于单变量的线性回归，我们的假设函数可以表示如下：hθ(x) =  θ0 + θ1 x