在阅读Andrew NG的机器学习课程笔记时，关于线性回归的描述如下：

将训练集输入到学习算法中。算法会输出一个函数h（假设）。h接受一个输入，并尝试输出估计值y。

接着提到：

将h表示为：h theta(x) = theta0 + theta1x

这是否意味着假设并不是由学习算法输出的，而是我们定义为h theta(x) = theta0 + theta1x？

难道不应该将“将训练集输入到学习算法中。算法会输出一个函数h（假设）。”改为“将训练集输入到学习算法中。算法输出使得假设尽可能准确的值”吗？

回答：

原则上你的观点是正确的。根据学习理论，真正的学习算法是接受标记实例和一整类可能的假设作为输入，然后选择一个假设作为输出的算法。

所以严格来说，输出预测的算法并不是学习算法。但当然，这样的算法可以分为学习算法部分——即真正学习参数的算法，这里是theta，以及预测算法部分——将一些输入实例转换为我们的预测，然后返回给调用者。