3.0 Linear Regression基础-一元线性回归

前言：

　　这一节，作为线性回归的基础，我们好好从统计的角度讨论一下线性回归。机器学习的算法，大多是以回归为基础，无非是加以修改以适应于相应场景罢了。

1.　　随机变量，噪声

（1）模型    

x不是随机变量。

是噪声，记录的所有随机因素，是随机变量。这里我们假设服从高斯分布

y是随机变量，因为取决于。

（2）训练集得到回归模型，是随机变量。

因为系数来自于训练集，训练集的y是随机变量，所以系数是随机变量。 

2.　　训练误差

 如何衡量拟合的好坏，我们可以这样：是随机变量，我们不知道分布。就用样本来估计：

3.　　最小二乘法求解

假设模型是

（1）目标：

（2）解：，其中

（3）注意，是来自于样本的。

 

转载于:https://www.cnblogs.com/xuexuefirst/p/8637404.html