机器学习实战----线性回归

一 介绍

线性回归算法是使用线性方程对数据集进行拟合的算法，是一个非常常见的回归算法。线性回归分为为两种：单变量线性回归和多变量线性回归。多变量是单变量的一种推广。

1 单变量回归算法：

           单变量不言而喻是只有一个变量的回归算法。预测函数会根据输入特征来计算输出值。输入与输出的关系为。这个方程表达的是一条直线，我们的目标是构造一个函数，来映射数据集中的输入特征x和输出值y，使得预测函数预测值与真实值y的整体误差最小。构造这个函数的最关键是找到合适的。他们被称为模型参数。

2 多变量回归算法：

         其实就是输入特征X的量级的变化。回归算法的预测函数为：+…… 假设x0=1时，得到

。

二 目标函数推导与求解