机器学习 线性回归和矩阵的运算

线性回归

线性回归：

线性回归：寻找一种能预测的趋势

线性关系：
二维：直线关系
三维：特征。目标值，平面中

线性关系定义：
y=kx+b
b为偏置。为了是对于单个特征的情况更加通用。

线性关系模型：

一个通过属性的线性结合来进行预测的函数：

预测：
用Jupyter画图。散点图

import matplotlib.pyplot as plt
plt.figure(figsize=(10,10)
plt.scatter([60,72,75,80,83],[126,151.2,157.5,168,174.3])#绘制散点图
plt.show()

运行图：

矩阵的运算

矩阵运算特性：

import numpy as np
a=[[1,2,3,4],[5,6,7,8],[2,3,7,9]]
b=[2,2,2,2]
np.multiply(a,b)

运行：

import numpy as np
a=[[1,2,3,4],[5,6,7,8],[2,3,7,9]]
b=[[2],[2],[2],[2]]
np.dot(a,b)

运行：

矩阵运算就是为了满足线性回归运算的需求。