X_b[random_index:random_index+1]应该就是等价于X_b[random_index]的吧？

有两个X，Y = w0 + w1*X1 +w2*X2 ，换种写法的话，可以写为 Z = w0 + w1 * X + w2 * Y，按道理来说，得用三维坐标图才能看啊。另外，X_new和y_predict，应该只是三维坐标系中的三个点而已，应该不会成为直线。

发火箭这个例子，感觉用到分类里头会比较好。

最后保险开销charges出来的预测值最终是什么定论？x对应的维度参数和预测值的关系是什么呢？

老师能解释一下最大似然估计吗 听着还是很晕 我自己的理解就是说 一个二项分布 然后其中概率最高的那个组合(比如3个黑球1个白球拥有最高的概率)那么我就可以把他视为这个盒子里面拥有3个黑球以及一个白球

老师这个地方对模型评估的时候我跟你在课上用的相同的模型训练集，为什么评估结果跟你在视频里面的不一样呢？

       老师，最大似然估计我理解是通过数据去估计是哪个模型最有可能生成这些数据，如果我们假设误差服从正态分布，那么这个正态分布的期望与方差就是我们想要去估计的。

       期望通过截距项w0我们让它为0，但是方差我们并不知道，如果我们假设它是定值，那么正态分布就确定了，我们就可以通过求最大似然函数来得到误差中的参数，也就是权重，但是假设方差为一个固定的值，对最大似然函数求解最大不影响吗？也就是不影响我们求权重吗？这里边的道理是什么呢？难道说在任意的方差下求得的权重都是最优的吗？

老师你好，超平面是高维度空间中的平面，那么再高维空间它表现是平面，如果从低维角度取理解它是不是就是一个复杂的曲面呢？

老师请问一下，视频里面因为真实值y是带截距项的所以在算预测值的时候要用一个100行两列的数组，如果真实值截距项=0，预测值是不是只用一个100行一列的数组就行了？谢谢

老师请问一下根据公式y_hat = θT*X这里的θ不是应该加一个.T吗？

这几个公式中的k和n分别代表什么？按照视频中的讲解，如果是分别对每一列求平均值和方差，k和n应该是相等的，为什么会是两个字母代表？

老师，第二步求梯度gradient求出来是个列向量还是一个数呀？