线性回归模型求解推导

线性回归模型推导
线性拟合模型:
$$\begin{array}{rl}{h}_{\theta }(x)& ={\theta }_0+{\theta }_1{x}_1+{\theta }_2{x}_2\\ h_{\theta }(x)& =\sum _{i=0}^n{\theta }_i{x}_i={\theta }^{T}x\cdots ①\end{array}$$

误差，真实值和预测值之间存在的差异ε
对于每个样本：
$$y_i={\theta }^T{x}_i+{\epsilon }_i\cdots ②$$

假设：误差${\epsilon }_i$是独立并肯有相同的分布，并且服从均值为0方差为${\theta }^2$的高斯分布

预测值与误差由于服从高斯分布：
$$p({\epsilon }_i)=\frac{1}{\sqrt{2\pi }\sigma }exp(-\frac{({\epsilon }_i{)}^2}{2{\sigma }^2})$$

由①代入②式：
p ( y i ∣ x i ; θ ) = 1 2 π σ