机器学习 (一): 单变量线性回归

前言

线性回归( Linear Regression )是指将一个因变量 $y$ 和多个自变量$x_1,x_2...x_n$的关系用一个线性方程:

$y=B+W_1{x}_1+W_2{x}_2...+W_3{x}_3$

拟合出来. 本篇先介绍最简单的单变量线性回归, 即将两个变量 $y$ 和 $x$用一个一元线性方程

$y=B+Wx$

来拟合.

模拟数据

我的想法是是, 先自定义一个要被拟合的线性关系, 然后通过机器学习来计算出该关系.
要被拟合的线性关系为:

$y=B^{\prime }+x{W}^{\prime }+E$

其中 $B^{\prime }$ 和 W ′ W'