用scikit-learn掌握机器学习（二）线性回归

通过cost function评估一个模型的拟合度

通过模型的预测y值和训练集中x的标签值的差距被称为训练误差或残差值
通过模型的预测y值和测试集中的值的差距被称为测试误差
那我们的目标就是让这个误差最小。我们通过让残差平方和最小，来打成这个目标。
$y_i$是观测值 $f(x_i)$是预测值，公式如下

$$SS_{res}=\sum^n_{i=1}(y_i - f(x_i))^2$$

通过普通最小二乘法解决简单线性回归

简单线性回归的公式为 $y = wx + b$

$$w = \frac{cov(x,y)} {var(x)}$$