之前一直在讲机器为什么能够学习，从这节课开始讲一些基本的机器学习算法，也就是机器如何学习。
这节课讲的是线性回归，从使Ein最小化出发来，介绍了 Hat Matrix，要理解其中的几何意义。最后对比了linear regression 和 binary classification，并说明了linear regression 为什么可以用来做 binary classification 。整节课的内容可以用下面的图来表示：
与其他课程的线性回归相比，这门课要更加理论，看完后对这门课有了更深的理解。
参考：http://beader.me/mlnotebook/section3/linear-regression.html
这篇博客写的非常的棒，很有启发性。
这篇也不错：http://www.cnblogs.com/ymingjingr/p/4314665.html