线性回归

一、算法简介

回归分析

回归分析是一种预测性的建模技术，它研究的是因变量（目标）与自变量（预测器）之间的关系。这种技术通常用于预测分析。通常用曲线或线来拟合数据点，目标是使曲线到数据点的距离差异最小。

线性回归

线性回归是回归问题的一种，它假设目标值与特征之间先行相关，即满足的是多元一次方程。通过构建损失函数，来求解损失函数最小时的参数w个b，通常可以表示为：

y^是预测值，自变量x和因变量y是已知的，现在想要做的是，对一个新增的x，我们要得到其对应的y是多少。需要做的是根据已有的数据点来构建这个函数关系，也就是求解线性模型中的w和b两个参数。

损失函数

求解最佳参数，需要一个标准来对结果进行衡量，为此我们需要定量化一个目标函数式，使得计算机可以在求解过程中不断地优化。

针对任何模型求解问题，都是最终都是可以得到一组预测值y^ ，对比已有的真实值 y ，数据行数为 n ，可以将损失函数定义如下：