机器学习--一元线性回归

线性方程

   线性方程可以分为：一元线性方程，多元线性方程，广义线性方程。
   一元线性方程是指拥有一个自变量一个因变量的方程，如y=ax+b
   多元线性方程是指拥有多个自变量一个因变量的方程，如y=ax+bz+c
   广义线性方程是指非线性方程问题可以使用线性求解。

一元线性方程

   我们在得到一些数据的之后，可能需要模拟一个足够接近的函数，去估测一些目前来说不存在的数据得到的结果。如以下数据：

我们可以使用相关系数来判断其可不可以使用线性回归来进行求解。

r_xy的值是一个在[-1,1]直接的值，其绝对值越接近1，则表示越能够使用线性回归来进行函数的预测。（一般情况0.5往上就能够使用线性回归预测）

假设函数
   假设函数即使我们希望其能够表示测试数据集的函数，即我们期望能够得到的函数。
   如：假设我们能够使用线性回归预测，此时我们设我们的假设函数（回归函数）为y=ax+b（x为自变量，a、b为参数）
   为了使我们得到的函数与实际的数据误差最小，即每个点到直线的距离最短&#x