学习代价函数的目的就是弄清楚如何把最有可能的直线与我们的数据相拟合。
假设函数：h(x)=a+bx.
a,b是模型参数，a,b的值不同，预测的结果也就不一样了。
在线性回归中，我们要解决的是一个最小化问题，表示关于a,b的最小化过程，我们正在把这个问题变成找到能使我们训练集中的预测值和真实值的差的平方和的1/2M最小的a,b的值，m样本的个数。
平方误差代价函数
定义一个代价函数，J(a,b)=1/2m(所有训练集中的预测值和真实值的差的平方和)，我们要做就是关于a.b，对函数J(a,b)求最小值，此时的a,b的值就是我们想要得到的值。
