模型三步骤
1.模型的构建 线性方程
2.模型的评估 主要从损失函数入手
3.模型的优化
单特征和多特征
Y=b+wx
b 偏移
w 权重 （权重越小 表示输入和输出越接近 function效果越好） 绝大多数情况下 w越小越好
x输入值
一元一次线性方程
一元多次线性方程
回归（regression）
训练集平均误差
验证集平均误差
两者之间的距离判定模型的好坏
模型的过拟合（overfitting）
原始的cp值决定了输出的cp值
模型梯度的下降
模型优化的三个步骤
1.input的多个模型合并到一个一元线性方程
2.模型的更多的input（训练数据的增强）
3.正则化（regularization）
