Datawhale 算法梳理1.线性回归

1. 基本概念：给定d个属性描述的实例x = （x1; x2; … ; xd）,其中xi是第i个属性上的取值，线性模型通过学习确定一个线性组合来预测函数
   f(x) = w1x1 + w2x2 + …+wdxd +b
   写成向量的形式是：

2. 线性回归：
   给定一个数据集D，线性回归试图学的一个线性模型以尽可能准确的预测真实输出的标记。 f对于给定的xi所对应的f(xi),，采用均方误差来度量f(xi)饿真实值间的。

3. 最小二乘法：基于均方误差最小化来进行模型求解的方法。线性回归中，最小二乘法就是试图找到一条直线，使得所有样本到直线上的欧氏距离最小。

4. 多元线性回归：样本由多个属性描述的线性回归模型。