问题：宝可梦cp值预测
step1:线性模型，输入feature为上一代的cp值
step2: Loss Function（均方误差）
参数w和b取不同值时的均方误差，紫色代表误差很小，红色代表误差很大：
step 3: Loss Function最小化（Gradient Descent），得到Best Function，可看作得到最优参数。
梯度下降：梯度是上升最快的方向，负梯度就是下降最快的方向：
增加线性回归的阶数，模型更复杂，对于训练集的学习也更准确。
更复杂的模型在training data 上表现更好，但是在testing data上不一定，可能会发生Overfitting!!!
模型改进：Redesign the model，包括特征选择，模型复杂度设置等
Loss Function改进：增加正则项，使模型更加smooth
随着正则项权重的增大，training data的训练误差逐渐变大，testing data的预测误差先变小后变大：
总结：这节课通过宝可梦的案例，直观的展示了机器学习的一般步骤，同时通过对模型进行不断改进，介绍了梯度下降（gradient descent）、过拟合（overfitting）、Regularization（正则项）等概念。