线性回归

• 机器学习中的线性回归（Linear Regression）来自于统计学中的方法，入门篇中我们了解到回归就是使用现有数据预测后续值，而机器学习中的线性回归就是让计算机通过训练数据得出一个线性模型，例如对于数据集$D=\{(x_i,y_i)\}$，我们想要通过训练模型得到$x_i$和$y_i$之间的线性关系，从而能够预测未知的$x_j$对应的$y_j$值。

  显然对于这个问题，我们在数学上可以直接使用最小二乘法之类的方法得到一条拟合直线，而在ML中则有所不同，在这里我们假设最终得到的线性函数为$h$（代表hypothesis），它是一个从$x$到$y$的映射，则可以记为：

  $$h_\theta(x) = \theta_0 + \theta_1 x$$

  其中$x$是输入变量，$\theta_i$是由模型输出的系数。