2.2.1　定义模型

要将线性回归转换为能够运行的代码，我们需要某种使用数量表示直线的方法。这就是数学的用武之地。

下面是一个表示经过坐标轴原点的直线的数学方程：

你可能学过这个方程，如果没有印象也没关系。它的含义是：经过原点的每条直线都可以由一个单独的数值进行唯一地表示。通常这个数值称为w，即权重（weight）单词的首字母。你也可以把w看成这条线的斜率，w值越大表示这条线越陡峭。如下图所示：

数学探究：线性方程

如果你不理解方程y=x*w，那么可以看看可汗学院关于线性方程的视频[1]。这些可选视频提供的内容比你阅读本书所需的时间还要多得多——所以你没有必要全部看完。

在我们继续进行下一步的讨论之前，先用一个稍微不同的符号改写一下上述直线方程：

我们将符号y换成了（读作“y-hat”），这是因为不想将Roberto样本数据中的实际y值和预测y值相混淆。虽然这两个符号都代表比萨的销量，但是二者之间存在一个非常重要的差别。是比萨销量的预测值，是我们期望能卖出多少比萨的预测值。相比之下，y是实际的比萨销量，机器学习专家将其称为实际值（ground truth）。

在这个关于符号的简短题外话之后，我们再回到这里的重要概念，即w这个表示直线的常数。换句话说，我们只需要使用w就足以表示代码中的一条直线。

现在我们来编写代码，从预测阶段开始，因为它比训练阶段简单。我们将在稍后解决训练阶段的代码。

[1] www.khanacademy.org/math/algebra/two-var-linear-equations。