极大似然估计：说的是已知某个随机样本满足某种概率分布，但是其中具体的参数不清楚，参数估计就是通过若干次试验，观察其结果，利用结果推出参数的大概值
通俗来说就是：利用已知的样本结果信息，反推最具有可能（最大概率）导致这些样本结果出现的模型参数值。
极大似然估计中采样需要满足一个重要的假设，就是所有的采样都是独立同分布的。
决策边界是假设函数的一个属性，它包括参数seta_0，seta_1…
他们都是假设函数的属性，决定于其参数，不是数据集的属性。
决策边界不是训练集的属性，而是假设本身以及参数的属性，只要给定了参数向量seta。决策边界就确定了。
我们不是用训练集来定义决策边界的，我们用训练集来拟合参数seta
确保损失函数是个凸函数，这样就能收敛到该函数的全局最小值。
损失函数的推导过程：