机器学习数学基础 线性回归和最小二乘法回归

++++机器学习数学基础 线性回归和最小二乘法回归
机器学习全部都和数学有关，尽管现在有许多开源的仓库，这些库可以简单直接的调用复杂的数学公式，但是做好还是学习一点数学知识来更好的理解它。

接下来让我们用一种简单的方式来理解线性回归与最小二乘法回归。

++++什么是线性回归？
线性回归是一种用来预测数据的算法，在预测（y）和输入（x）之间提供一定的线性关系，就是所谓的“线性回归”

从基础数学我们知道，如果绘制这么一张图，则线性关系始终带有一条直线：

输入X = 1,2,3,4,5
预测值Y = 1,2,3,4,5

那么这将得到下图中的直线

在深入探讨下文之前，我们需要了解一个实际的问题，在现实生活中，我们在输入和预测之前没这么如此完美的联系，这就是为什么我们需要机器学习算法的真实原因。

++++直线方程
直线的方程式使用 y=mx + b 编写，其中 m 是斜率（梯度）和b （在y 轴上的截距）交叉
一旦我们从y = mx + b格式上的空间中的2个点获得直线方程，就可以使用相同的方程来预测不同值，从而得出一条直线。
在此公式中，m是斜率，并且b是y轴截距。

线性回归是一种预测'Y'未知输入值（'X'例如1.5, 0.4, 3.6, 5.7，甚至-1, -5, 10等）的值的方法。
++++持续编写中