一个最简单的线性模型，w是权重，一般来说会取随机值，然后不断学习直到与预期相同

如此以此取每个值与真实值的差值，即评估误差

即找一个合适的权重w，使得平均误差最小


上面的是针对单个样本的，后面的是对整个train_set的，后面的那个就是MSE（均方误差）

穷举法找出最小的loss区间

import numpy as np
import matplotlib.pyplot as  plt
x_data=[1.0,2.0,3.0]#x
y_data=[2.0,4.0,6.0]#y

def forward(x):
    return x*w
def loss(x,y):
    y_pred=forward(x)
    return pow(y_pred-y,2)
w_list=[]
mse_list=[]
for w in np.arange(0.0,4.1,0.1):
    print('w=',w)
    l_sum=0
    for x_val,y_val in zip(x_data,y_data):
        y_pre_value=forward(x_val)
        loss_val=loss(x_val,y_val)
        l_sum+=loss_val
        print('\t',x_val,y_val,y_pre_value,loss_val)

    print('MSE=',l_sum/3)
    w_list.append(w)
    mse_list.append(l_sum/3)