代价函数（损失函数）Cost FunctionJ(0，1)
代价函数形式多、意义相似，是一元线性回归的代价函数，如下
我们的目标是通过改变成本函数的两个参数，即改变回归直线h()的截距和斜率，使成本函数j ))最小化，减小训练集数据拟合时的误差。 找到成本函数j()的最小值后，决定0、1的可取值。
右图的横轴表示切片0，纵轴表示倾斜度1，所选择的两个参数与左图的直线对应。 通过选择不同的成本函数参数0、1，找到全局最小值，即j() min。
相关系数（线性、两个变量）
相关系数绝对值越接近1，采样点的分布越接近线性关系
相关系数越接近1，表示样本点的分布越接近正相关关系
相关系数越接近-1，表示采样点分布越接近负相关关系
相关系数越接近0，表示样本点分布呈不接近线性关系
决定系数（非线性、两个及以上变量）
()样本点真值、y拔)样本点真值平均值、y尖)预测值
系数r越接近1，表示自变量之间越接近线性关系，用于测量线性模型的结果。