在前面房价预测案例中，我们提出了如下的hypothesis function：
为了确保hypothesis function足够“完美”，我们又引入了cost function：
通过前面的讲解，我们知道，hypothesis function足够“完美”，需要满足如下条件：
前面章节中，hypothesis function中的变量θ0、θ1，是我们手动算出来的，那么机器学习算法又是如何计算这些参数的呢？
接下来，介绍一种最基本的机器学习算法：最小二乘法（Least Squares Algorithm），并介绍最小二乘法如何得到这些参数，从而使hypothesis function足够“完美”。
介绍算法之前，我们先了解一下这个算法的历史，加深下印象。
1801年，意大利天文学家朱赛普·皮亚齐发现了第一颗小行星谷神星。经过40天的跟踪观测后，由于谷神星运行至太阳背后，使得皮亚齐失去了谷神星的位置。随后全世界的科学家利用皮亚齐的观测数据开始寻找谷神星，但是根据大多数人计算的结果来寻找谷神星都没有结果。时年24岁的高斯也计算了谷神星的轨道。
3：函数和/差的导数为：
4：函数积的导数为：
5：函数商的导数为：
下面分别对求θ0、θ1偏导数：
对θ0求偏导数（此时θ0作为自变量，θ1和x都作为常数处理）：
对θ1求偏导数（此时θ1作为自变量，θ0和x都作为常数处理）：
从偏导数的求解结果来看，两个偏导数函数构成一个二元一次方程组，其中自变量为θ0和θ1，x(i)和y(i)都是常数，求解二元一次方程组对计算机来说，so easy！
最小二乘法内容基本就这些，下一章我们再介绍下feature比较多时，最小二乘法的变种：正规方程。
最后，为了方便大家理解，我们还是training set中的数据，代入偏导数方程，具体求解过程就不再讲解。
这里再列一下我们的training set：
