1.线性回归是机器学习中有监督机器学习下的一种算法。
回归问题主要关注确定一个唯一的因变量(需要预测的值)和一个或多个数值型的自变量(预测变量)之间的关系。
需要预测的值:即目标变量,target,y,连续值
预测变量:影响目标变量的因素,predictors,X1...Xn,可以使连续值也可以是离散值。
之间的关系:即模型(model)是我们要求解的。
2.简单线性回归
(a就是截距,b是斜率)
公式中,y是目标变量(即要预测的值),x是影响y的因素,a b是公式上的参数(即要求的模型)。
3.最优解
真实值:即已知的y
预测值:是把已知的x带入到公式里面和猜出来的参数a b计算得到的。
误差:预测值和真实值之间的差距。
最优解:尽可能的找到一个模型使整体的误差最小,整体的误差通常叫做损失Loss。
Loss:整体的误差,loss通过损失函数loss function计算得到。