本课完成了第一个机器学习模型的项目设计，实现了整个机器学习流程。我们学到了以下内容。

■数据的收集与分析。

■机器学习模型的确定。

■假设函数—h（x）=wx+b或写成h（x）=w0+w1x，很多地方使用h（x）=θ0+θ1x。

■损失函数—，很多地方使用J（θ0，θ1）表示损失函数。

■通过梯度下降训练机器，目标是最小化L（w，b），即J（θ0，θ1）。

■权重和偏置的初始化。

■参数的确定与调试：学习速率、迭代次数。

■针对测试集应用机器学习的训练结果（即得到的模型）。

下面回答本课初始时小冰提出的几个问题。

（1）各种广告和商品销售额的相关度如何？答案：如相关性热力图所示。

（2）各种广告和商品销售额之间体现出一种什么关系？答案：线性关系。

（3）哪一种广告对于商品销售额的影响最大？答案：微信公众号广告。

（4）在未来的某周，当我将各种广告投放金额做一个分配（比如我决定用250元、50元、50元）进行一周的广告投放，我将大概实现多少元的商品销售额？答案：根据机器学习得到的线性函数，可以预测出的销售额为6千元。