前言
线性回归( Linear Regression )是指将一个因变量 y y y 和多个自变量 x 1 , x 2 . . . x n x_1, x_2...x_n x1,x2...xn的关系用一个线性方程:
y = B + W 1 x 1 + W 2 x 2 . . . + W 3 x 3 y = B + W_1x_1 + W_2x_2 ...+W_3x_3 y=B+W1x1+W2x2...+W3x3
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 y y 和 x x x用一个一元线性方程
y = B + W x y = B + Wx 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 ′ + x W ′ + E y = B' + xW' + E y=B′+xW′+E
其中 B ′ B' B′ 和 W ′ W'