机器学习1线性回归算法

概述：
对于X1，X2特征值作关于Y的拟合曲线
Y=参数0 + X1 * 参数1 + X2 * 参数2
红色点为真实数据值

误差：
真实值和预测值之间肯定是要存在差异的
对于每个样本：y （i）= 参数 * x(i) + p(i)
误差p(i)独立并且具有相同的分布，并且服从均值为0方差为 的高斯分布
独立：相互没关系
同分布：符合相同规则
高斯分布：大多数情况下浮动不会太大，极小情况下浮动大，符合正常情况

似然函数：（给定参数后，变量符合真实值的概率）

对数似然：（乘法不好求，转换为加法）

展开化简：

最小二乘法:
(真实值与预测值 差距越小越好)

目标函数求解：

评估：