本文介绍了线性回归算法在监督学习中的应用，详细阐述了线性回归模型的建立、误差处理、高斯分布、最大似然估计、最小二乘法以及梯度下降法在求解过程中的作用，旨在帮助读者深入理解线性回归的原理和求解方法。
回归算法是监督学习其中之一。
线性回归算法是已知样本和样本对应的预测结果，求新的样本的预测结果。
1、先对已知样本进行适当的处理，包括去除一些缺省值，一些不正常的值等。
2、样本和结果进行了建模，如下：
其中x为样本，h为y也为样本对应的值，
为系数，通过 可以很好拟合y，现在要求的就是。
后加入了非常非常关键的误差
，如下：
假设求的系数
为矩阵，含有很多的参数值，这是需要求解的。就是要求一个直线拟合所有的已知的样本和结果值。
其中x为样本属性，y为x对应的预测值，这两个值一直是已知了，比如x1，x2为工资和年龄，y为样本对应的银行给予的贷款值，
为误差，这个是关键突破点。
现在就是要通过x和y值求出来，使得x和y拟合最好。
3、关键点就是误差，误差
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
