简单的线性回归（以x轴为住房面积，y轴为价格为例）

实现并探索单变量线性回归的成本函数。

以x轴为住房面积，y轴为价格为例，进行线性回归的预测单变量：

其中真实的数据如图分布为散点，而用过线性回归进行预测，那么预测的数据应是一条直线如图

通过上面的两个公式可以进行预测

第一个方程是计算预测后的损失值的，损失值越小越好，表示性能优

第二个方程是线性回归的预测方程，w和b是一个偏一两，在后面的算法优化中会计算出w和b

这里的w和b就随便填一个数（w = 1000 ,b = 500）

然后就进行计算预测值：

###线性回归的预测值：
###f_wb = x * w + b x和f_wb都是向量（数组）
def compute_model_output(x,w,b):
    m = x.shape[0]  ###获取x数组的大小
    f_wb = np.zeros(m)  ###创建一个f_wb数组大小为m，并且全置为0

    for i in range(m):
        f_wb[i] = x[i] * w + b

    return f_wb
''' 或者也可以这样写：
    f_wb = x * w + b
    :return f_wb
    这里是用numpy中的向量进行计算
'''

然后就是画图：