Linear Regression(线性回归) 机器学习按算法任务执行学习任务的方式分主要有:有监督学习、半监督学习、无监督学习、增强学习和最近有国外提出的自监督学习等。 其中,分类问题、回归问题、标注问题都属于有监督学习领域的任务。线性回归属于回归问题的一个方面。 线性回归 线性回归的任务是在输入变量与输出变量之间建立一个最高次数为1次的函数映射关系(不能只有0次),这是一种线性的函数关系,在二维坐标系中显示出来为一条直线,设X为输入数据,Y为输出数据,建立形如Y=F(X)的函数关系,即Y=aX1+bX2+…。 根据回归方程中输入变量维度的个数不同,回归方程分为单参数线性回归与多参数线性回归 单参数线性回归 单参数回归方程中输入变量的维度只有1个,如Y=aX1+b 训练数据集格式呈现如下: (x1,y1),(x2,y2),(x3,y3),(x4,y4),(x5,y5),(x6,y6)… 多参数线性回归 多参数回归方程中输入变量的维度有多个,如Y=aX1+bX2+C… 训练数据集呈现如下: ((x11,x12,x13…),y1),((x21,x22,x23…),y2),((x31,x32,x33…),y3),((x41,x42,x43…),y4),((x51,x52,x53…),y5)…