线性回归是一种查找最适合一组点的直线或超平面的方法。本模块会先直观地介绍线性回归，然后再为线性回归的机器学习方法奠定基础。
深入了解机器学习
从数据中学习
- 有很多复杂的方法可以从数据中学习
- 不过，我们可以先从简单而熟悉的内容入手
- 从简单的做法入手，打开了一门广泛适用的方法
一种方便的回归损失函数
给定样本的 L2 损失也称为平方误差
= 预测与标签之间的差异的平方
=（观察 - 预测）2
= (y - y')2
定义数据集上的 L2 损失
$$ L_2Loss = \sum_{(x,y)\in D} (y - prediction(x))^2 $$
\(\sum \text{:We're summing over all examples in the training set.}\) \(D \text{: Sometimes useful to average over all examples,}\) \(\text{so divide by} {\|D\|}.\)