线性回归

回归是监督学习的一个重要问题，回归用于预测输入变量和输出变量之间的关系。回归模型是表示输入变量到输出变量之间映射的函数。回归问题的学习等价于函数拟合：使用一条函数曲线使其很好的拟合已知函数且很好的预测未知数据。

回归问题分为模型的学习和预测两个过程。基于给定的训练数据集构建一个模型，根据新的输入数据预测相应的输出。

回归问题按照输入变量的个数可以分为一元回归和多元回归；按照输入变量和输出变量之间关系的类型，可以分为线性回归和非线性回归。

现在我们来说一下线性回归：
大家在小学的时候肯定学过解y=kx+b,当给定你对应的x与y你就可以得到k与b的值，那么当给定有限组的x与y，如下图：

image.png

要怎么找到合适的k与b值，实际上就是要找到一条直线使得这些点到它的距离之和最短，那么这个时候就要使用最小二乘法了。
参考：
https://mp.weixin.qq.com/s/ESKQKi_1K_WPXNistizDVw