机器学习"直观入门"(第5章)线性回归(简单模型与评估及多元分析)

1.基础理解：

首先对简单线性回归进行介绍，借助一张示意图来帮助建立基本认知：

通过分析上图内容，可以对简单线性回归进行简要概述：
该模型仅包含一个特征变量，在多个数据样本中，我们力求找到一条直线，使其能够最大程度地拟合这些数据点。如图所示，为了实现这一目标，我们需要引入一个目标函数，即损失函数，以最小化预测值与实际观测值之间的偏差。
归纳线性回归的主要特性如下：
① 线性回归顾名思义，主要用于处理回归类问题，并且是许多非线性回归模型构建的基础。
② 线性回归模型的构建与推导过程依赖于大量数学理论的支持，而在计算机上的实现则相对简便。
③ 线性回归所生成的预测结果具备较高的可解释性。
接下来将对参数a与b的具体表达式进行推导说明：

求解b的值：

![在这里插入图片描述](https://ad.itadn.com/c/