机器学习——线性回归

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。