y拟合=θ0x0+θ1x1 选择合适θ0和θ1来使直线最好的拟合图中的数据点。 所以这里有一个最小化的概念就是使假设函数与训练样本之间的误差最小。 最小化：就是直线最佳拟合图中数据点。 求法：(y拟合(x)-y(x))^2, 其实就是求预测函数取x值是y预测到y真实的距离的平方，这是一个点，最后将每一个点都加和起来，求平均值