线性回归的java实现

线性回归

梯度下降法

 在选定线性回归模型后，只需要确定参数θ，就可以将模型用来预测。然而θ需要在J(θ)最小的情况下才能确定。因此问题归结为求极小值问题，使用梯度下降法。梯度下降法最大的问题是求得有可能是全局极小值，这与初始点的选取有关。

 梯度下降法是按下面的流程进行的：

 1）首先对θ赋值，这个值可以是随机的，也可以让θ是一个全零的向量。

 2）改变θ的值，使得J(θ)按梯度下降的方向进行减少。

 梯度方向由J(θ)对θ的偏导数确定，由于求的是极小值，因此梯度方向是偏导数的反方向。结果为

 迭代更新的方式有两种，一种是批梯度下降，也就是对全部的训练数据求得误差后再对θ进行更新，另外一种是增量梯度下降，每扫描一步都要对θ进行更新。前一种方法能够不断收敛，后一种方法结果可能不断在收敛处徘徊。
 本版本的java代码使用是第二种，也称随机梯度下降，每次只用一个样本进行梯度更新。

    public class Line_Regression_wx {

    public static void main</