将θ向量赋值为[-3, 1, 1](这里表示向量，由于编辑公式太繁琐，没有将其转置)，那么想要得到假设函数为分类y = 1，
(这里y = h(x)), 那么条件就是
，这里是将θ向量带入到g函数的参数列表中。 因而，这个条件对应的线性规划图像， 即为图中的洋红色直线，那么这条直线就称为是决策边界。
ok，我们再举一个复杂的例子。
比如，现在我们的假设函数长这样 
训练集如图所示：
将θ向量赋值为[-1, 0 ,0，1, 1]，那么想要得到分类y=1，这里就是"×"所在的分类，需要满足的条件就是
。 这样一来，决策边界便是这个单位圆。
那么说了这么两个例子，我们很清楚的看到，决策边界是由θ向量所决定的，所以我们要做的事情就是来确定我们的θ向量。
四、Cost Function
既然我们知道了决策边界是由向量θ所决定的，那么我们如何通过算法来确定我们的θ向量呢。像之前的线性回归算法一样，我们
通过一个损失函数来衡量向量θ的好坏。有关于Cost Function，我们在下一篇文章中进行详述。
