线性回归（一元和多元）

一元，简单入门

1. 监督学习的一种

2. 以预测房价为例，有一组数据集，以房子大小为X轴，以售价为Y轴，画图。

3. 回归用来预测一个连续输出值，对应着分类问题，预测一个离散输出值，两者都为监督学习

4. 一组数据集，（x,y）,x为输入值，经过假设函数h，得到值预测值y。h是y关于x的线性函数，这种模型称为线性回归（liner regression）or单变量线性回归。

5. h(x)=ax+b,a与b称为模型参数，parameters,学会如何选择参数，选择不同的a，b会得到不同的假设函数hypothesis

6. 在线性回归中，有一个训练集trainning set，我们要得出a,b的值，得出假设函数，并让该函数h表示的直线尽量地与这些数据点很好的拟合。

7. 在线性回归中标准的定义：最小化问题，关于a，b的最小值，使得h(x)与y之间的差异最小。w=（∑(h(x)-y)²)/2m，即我们的任务就是，找到最合适的a，b使得w最小，（道理同平均误差），w这个式子称为线性回归的代价函数cost function,也称为平方误差函数 Squares error function，这是解决线性回归最常用的手段，当然也有其他代价函数。Min(∑(h(x)-y)²)/2m)称为目标函数

8. 代价函数是用来干嘛的，以及我们为什么要用它。
   代价函数用来衡量