在掌握了机器学习的基础和核心思想后，我们现在转向一个特定类别：监督学习。本章侧重于回归任务，其目标是预测连续的数值输出。例如，根据大小和位置等特征预测房价，或根据历史数据估计温度。

你将学到：

• 如何定义和识别回归问题。
• 线性回归的基本原理，它是一种常用于建模变量间线性关系的算法。
• 成本函数的思想，特别是它们如何用于衡量回归模型的误差或不准确性。
• 梯度下降的概述，这是一种用于最小化成本函数并为模型找到最佳参数的优化算法。
• 如何解释简单线性回归模型的结果。

我们将通过一个实际例子来阐明这些思想，指导您完成应用简单线性回归的步骤。