【机器学习实战-python3】线性回归

本篇将介绍机器学习中的回归算法（主要是线性回归）。分类输出的结果是标称型的数值（类别值），而回归预测是结果是一组连续值。简而言之，回归与分类的不同在于其目标变量是连续数值型。
本篇的数据和代码参见：https://github.com/stonycat/ML-in-Action

一、线性回归拟合直线
回归的目的是预测数值型的目标值，最简单的办法就是根据输入的数据返回一个计算目标值的公式，所求的公式即所谓的回归方程。如返回一条直线方程，$y=wx+b$，那么参数w与b就是回归系数，求回归系数的过程就是回归。回归也分线性和非线性，这里只涉及线性回归。
那么现在给定数据 $x$，返回回归方程 $y=wx$，$y$表示预测结果，那么如何求回归系数 $w$呢？常用的方法就是找出预测y与真实值y的误差，并最小化误差，从而求得$w$。这里采用的是平方误差。

∑i=1