x.append([1.0, float(array[1])])

为什么x要多一列1.0呢？

在线性回归中，我们一般使用的是 $h_{\theta }(x)={\theta }_0+{\theta }_1{x}_1+\cdots +{\theta }_n{x}_n$ 的形式来描述线性关系，其中 $x_0=1$，因此我们需要将输入数据 $x$ 的第一列设为1，以便通过向量化的方式进行计算。在代码中，我们将 $x$ 的第一列设为1，来避免每次计算时都需要添加一个常数项。

这个公式表示了线性回归模型的预测函数，其中 $h_{\theta }(x)$ 是对于输入特征 $x$ 的预测结果，${\theta }_0$ 是截距项，${\theta }_1$ 到 ${\theta }_n$ 分别是模型的系数，$x_1$ 到 $x_n$ 分别是输入的 $n$ 个特征。