1.线性回归
我们用 X1， X2..Xn 去描述 feature 里面的分量，比如 x1=房间的面积， x2=房间的朝向，等等，我们可以做出一个估计函数
评论此估计函数的参数是否好，采用损失函数，即对于m次的估计值和真实值的差的平方和求和，然后乘1/2是为了简化计算。
如何取参数，使得估计函数 最小。可以采用最小二乘法，和梯度下降法。
偏导：导数就是函数的变化率，偏导数反映的是函数沿坐标轴正方向的变化率，几何意义是表示固定面上一点的切线斜率。
2.环境配置
Numpy是Python的一个科学计算的库，提供了矩阵运算的功能，其一般与Scipy、matplotlib一起使用。
软件：http://blog.csdn.net/zhangyuehuan/article/details/39134747
矩阵运算：http://m.blog.csdn.net/blog/taxueguilai1992/46581861
如果你的分隔符是一个或者多个空格，那么你就不必给出任何参数，即直接使用str.split() 即可！
两个矩阵相乘：h = sigmoid(dataMat * weights) File "D:\Python27\lib\site-packages\numpy\matrixlib\defmatrix.py", line 341, in __mul__ return N.dot(self, asmatrix(other))ValueError: data type must provide an itemsize
原因是两个矩阵的数据类型不同。所以先转换为相同的。
only length-1 arrays can be converted to Python scalars
只有长度为1的数组才能被转换成python scalars，所以传入的参数应该是长度为1的数组。
想将一个字符串矩阵 转换成 浮点型矩阵，应该在插入的时候就转换。
参考：http://blog.csdn.net/zouxy09/article/details/20319673