Python线性回归算法

线性回归模型是最基础的机器学习模型，在深入学习之前可以从这一模型开始逐步掌握相关知识体系，并逐渐深入研究包括非线性回归在内的复杂问题以及神经网络技术

1.概念

在统计学领域中，在线性回归模型中，默认采用最小二乘法构建一个关于因变量与一个或多个自变量之间的关系函数，默认情况下假设其为线性组合形式，默认情况下即为一种基于最小化预测误差平方和的方法构建模型，默认情况下当只有一个自变数时被称为简单回归，默认情况下当存在超过一个自变数时则被称为多元回归，默认情况下该种方法即为最广泛使用的数据分析工具之一，默认情况下其核心思想即为通过数据点的最佳拟合直线来实现因变量与自变数之间的关系建模，默认情况下这种方法已被广泛应用于自然科学生物学、经济学、社会学等多个领域

2.线性回归

简单回归：单一自变量输入时，在R中使用Y \sim X表示单一自变量与因变量之间的一一对应关系。从几何角度来看，则是将这种关系映射到二维坐标系中的直线方程形式为Y =的形式。

X，通过训练得到

![\theta](https://ad.itadn.com/c/