线性回归
顾名思义,线性回归是一种利用线性拟合的方式,对自变量和因变量建模的回归分析模型。这是机器学习中最简单的模型之一。
现实生活中,我们常常会遇到类似这样的问题:我们希望得到一个我们暂时不知道的结果,我们手中的信息是几个可能会对结果产生影响的因素的值,这些影响因素对结果的影响基本呈线性。这时候线性回归就可以派上用武之地了。
举个例子。我们希望预测城市中某一处房子房价p,我们可以掌握的信息是房子距离市中心的距离l、房子的面积s、房子的楼层f等。于是,我们可以用一个向量和 x⃗ =(l,s,f) 来表示这间房子的信息,并希望使用这些信息预测房价 y=hθ(x) 。对线性回归而言,我们选用的 hθ 是线性函数,同时为了产生整体的线性偏差,我们修改每个 x⃗ :=(l,s,f,1) , hθ(x)=θTx 。假设现在我们获得了n间房屋的信息 x1 , x2 , …, xn 以及它们的价格 y1 , y