2.1 线性回归算法学习——简单线性回归算法的原理及推导过程

机器学习中的参数模型（线性回归、逻辑回归、SVM、神经网络等）学习过程：

通过建模找到一个最大程度拟合数据的模型，通过确定损失函数（或效用函数，统称为目标函数），最优化目标函数来获得机器学习模型的参数。

回归分析：

利用已知的数据，（线性回归中需要找到一条直线）最大程度的拟合样本与输出标记，即产生拟合方程，从而对未知的数据进行预测。

如何判断是否选用线性模型处理问题?

使用相关系数r衡量特征与标记之间的相关性强弱，判断是否适合用直线进行拟合,r为0到1的值，越接近1，相关性越强