为什么我的图表没有显示label呢

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？

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？

如果对L1求导，结果是-1的话，在迭代theta的时候，-ηg，这里的-1就会导致最后一项变成正向的，就达不到减小W的目的了，反而是增大W了

       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？

老师请问%这一行是什么作用，而且我的%出现了错误

老师，有2个问题想问问：

1）我们怎么能判断得出收敛是在极值附近震荡，而不是已经收敛了呢？就是数值上有什么样的特征吗？因为就算是震荡，但其实也是一直在下降减少的。

2）如果处于鞍点时，其实梯度也会下降，但是按照我们设置的跳出循环的阈值条件，也会容易造成误判而跳出，以为已经求解出最优解了。这个问题怎么解决或者怎么观察和判断去避免这个？

老师您好，请问能推荐一下机器学习的书籍吗？希望能闲暇时间看下书。

老师这里边真实值是确定的数

预测值是根据什么预测的呢，是要根据这个a，b吗？，可是ab是不确定的啊

a，b确定的话再怎么找最优的a，b呢

老师，我想问问这个θ，J(θ)，hθ（x）分别代表着什么呀，有点看不懂了。

老师，假设误差项服从正态分布，是不是假设Y和X的线性回归模型是有效刻画了两者的关系的，就是建立的这个线性模型中X是可以通过线性的方式去描述Y的。只有模型刻画的关系正确，误差项才是随机、独立的，所以才会服从正态分布？ 

那什么情况下误差项又会服从泊松分布、平均分布、二项分布呢？

老师，我不明白我们需要求的是参数W0和W1，但为什么我们又需要写“y = 4 + 3*X + np.random.randn(100, 1)”里面的W0和W1呢？这个因果关系究竟是怎么样的？

老师，视频里讲到yi hat = θT*xi    y hat = X*θ ，X是m行n列的，θ是n行1列的。但是如果这样的话，xi就是1行n列的，第一个式子是不是就有问题了？第一个现在就是用1行n列，乘以1行n列。我记得之前讲的是两个列向量或者两个行向量不能相乘。还有补充说明中最后一行，转换成了两个列向量相乘，这样乘的话，也是有问题的吧？

老师    这个22是怎么算出来的

老师，这个函数里面的参数df是怎么传递的？