线性模型:
y=ωT∗x+b y = ω T ∗ x + b
线性回归是假设数据满足以上的线性假设,其中w和x是一个向量,y和b是一个实数。
y=ω1x1+ω2x2+ω2x2+⋯+ω3x3+ωnxn+b y = ω 1 x 1 + ω 2 x 2 + ω 2 x 2 + ⋯ + ω 3 x 3 + ω n x n + b
跟以上这个方程式是等价的。
loss=∑i=0n(yi−y^)2=∑i=0n(ωTxi+b−y^i)2 l o s s = ∑ i = 0 n ( y i − y ^ ) 2 = ∑ i = 0 n ( ω T x i + b − y ^ i ) 2
显然,我们事先是不知道w和b取什么值是最好的。但是,我们知道,如果定义一个损失函数(就是上面的这个公式),当取到的w和b,使得损失函数的值最少时,这个w和b就是最好的。换句话说,当我们手上有足够多的一堆 (x⃗ 1,