回归-英国科学家高尔顿提出（Francis Galton）。 例子1：身高案例，一般来说，父母的身高会影响儿女辈的身高。
但是会回归人口平均身高。
应用1：房价的预测
预测：3000平方英尺的价格是多少。
具体来说，
房子的面积是特征值（可以有多个、但一元线性只能是一个） 平方英尺是标签/结果
采用算法：
步骤：
- 得到样本集（Training Set）
- 算法学习（回归算法、进行建模）
- 得到一个模型，把样本的特征（房子的大小）放在模型中预测，然后得到结果（房子的价格）。
关键词：回归分析、自变量（size of house），因变量（Estimated price）
方程： 一元线性回归
图解：Intercept 截距，这是属于正相关的函数。
总结：
根据函数画线3条。
我们看出3 是不匹配的。
1、2条哪个是好的，需要如何判断？
