如何理解线性回归（Linear Regression）

一.介绍：回归是机器学习中的一类问题，回归分为线性回归和逻辑回归。这里介绍线性回归。

二.线性回归：举例

•      比如我们有这样一组训练数据(x0,y0),(x1,y1),(x2,y2).......(x10,y10), x表示某一个输入，y表示对应的输出。我们的目的找到一个函数f（x），使得我们任意输入一个x（不一定包含在上述的数据中），都能输出一个准确的y。
•      假设我们的函数表达式是：，从几何上解释就是，我们要找一条合适的直线，来尽可能地拟合我们的训练数据表示出来的曲线。假设我们给上述训练数据（x,y）赋上具体的值。
• 如：(25，27),(60,66),(179,193),(207,393),(226,428),(208,226),(333,633),(338,640),(606,1591),
• 绘制出坐标图如下，
• 
• 我们现在需要找一条直线来拟合，假设我们找这样的一条直线如图：
•                
•   虚线表示我们要找的直线，那么要怎么找到这样一条直线呢。上述我们已经假设直线表达式为：，即这条直线是由参数w和b确定的，所以我们只要求出w和b，直线就确定了。那么怎么求w和b，这就要用到梯度下降了。

         如何理解梯度下降？

          https://www.cnblogs.com/pinard/p/5970503.html