每天五分钟机器学习：通过经典的房价预测案例来讲解线性回归算法

本文重点：

我们前面的课程已经知道了什么是监督学习和非监督学习，监督学习分为回归和分类，本节课我们就将讲解监督学习中最基本的回归算法-----线性回归算法。

注意：由于这是本专栏中的第一个算法模型，我们从易到难，我们使用的数据集非常简单，只有一个样本特征（尺寸），所以我们这里介绍的线性回归模型可以称为单变量的线性回归模型。

房价预测问题

房价预测是一个经典的机器学习问题，它通常用来预测一个房子的价格。现在有一个房价数据集，如上所示，不同的尺度对应不同的价格。

比如当房子尺寸是852时，房子的价格是178，当房子的尺寸是1534时，房子的价格是315，那么现在假设我们手里有一个房子的尺寸是1000平方尺大小，那么我们能通过以上数据集评估出来房子价格吗?

这个问题是不是很熟悉，就是初中学习的y=kx+b的问题，x就是尺寸，y就是价格，基于上述数据计算出来k和b，然后就可以代入x=1000了，求出y了。

没错很简单，这就是线性回归模型。

线性回归模型的表示

y=kx+b就是线性回归模型࿰