那么如何了解线性回归的原理和算法呢？

线性回归可以说是机器学习中最基本的问题类型了，这里就对线性回归的原理和算法做一个小结。一、线性回归的模型函数和损失函数‍‍线性回归遇到的问题一般是这样的。我们有m个样本，每个样本对应于n维特征和一个结果输出，如下：我们的问题是，对于一个新的，他所对应的yx是多少呢？ 如果这个问题里面的y是连续的，则是一个回归问题，否则是一个分类问题。对于n维特征的样本数据，如果我们决定使用线性回归，那么对应的模型是这样的：其中 为模型参数, 为每个样本的n个特征值。 这个表示可以简化，我们增加一个特征 ，这样 。进一步用矩阵形式表达更加简洁如下：其中， 假设函数 为 的向量, θ为 的向量, 里面有n个代数法的模型参数。 X为 维 ………………………………