机器学习之线性回归算法 Linear Regression

回归分析（Regression Analysis）是统计学的数据分析方法，目的在于了解两个或多个变量间是否相关、相关方向与强度，并建立数学模型以便观察特定变量来预测其它变量的变化情况。

线性回归算法（Linear Regression）的建模过程就是使用数据点来寻找最佳拟合线。

例如：
y = k x +b;

是一个线性回归算法

其中分为二种回归：
                1.一元的回归方程

                2.多元的回归方程

• • 3.线性回归的算法流程：
    • 1）初始化权重w和截距b来构建最初的模型。
    • 2）使用这个模型来计算代价函数的代价值（即误差之和）
    • 3）对代价函数求偏导值
    • 想要让代价值最小化，需要使代价函数的导数值为0，并求得此时的w值。
    • 4）运用偏导值和学习率更新权重