老师 在计算梯度的时候，θ-α*gradient,gradient的值是取绝对值吗？

老师我这样理解对吗？已知n个样本→求出哪个模型最有可能得到这n个样本→根据最大似然函数求出估计量→把估计量带回原模型

t0，t1应该怎么设置才能得到比较好的学习率，或者说学习率在实战中应该怎么设置比较合适，是0.1，0.01，0.001一个个试吗？

老师 这里第二个for循环意义是什么呢？随机梯度下降不是一个批次一次迭代吗

老师 Wt+1 = Wt - θ*g 这个公式，

Wt+1 - Wt 这一段为啥等于 θ*斜率啊，这个步长是yt+1 - yt的直线距离吗？

scikit-learn 里面的线性回归是不是比直接用求参公式要慢呀

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

.fit() 训练模型后使用transform() 和 直接.fit_transform() 有区别嘛？

为什么之前有段代码 先fit之后再transform，是因为如果使用.fit_transform() 相当于是两个不同数据集进行训练嘛会有不同么？

为什么采用同样的数据集，同样的代码，归一化后的数据 却不一样呢。按道理来说，归一化这个操作是没有随机的。

还是不太明白为什么要对y_train进行取对数处理，基本假定不是假设误差项服从正态分布么，没有要求被解释变量服从正态分布吧。如果需要被解释变量进行取对数处理，为啥前几次的课中没有这种操作呢，望告知，多谢。

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