线性回归的理解
线性回归
1，:单变量线性回归的方程
2，这叫做代价函数，{
为某一个值时（用方程得到的值 减 实际的
就是代价函数在直角坐标中的图形，我们会发现有一个最低点，在这一点，代价函数的值最小，方程的值和实际的值的误差最小，我们要就是这时候的
!!
3，我们如何让机器去找到这一个最低点，这时候我们就需要引入梯度下降，梯度下降是一个用来求函数最小值的算法，我们将使用梯度下降算法来求出代价函数 的最小值！
用此公式进行梯度下降算法，
是用来控制不能下降的速度，
必须同时算出所有的
在进行带入！
4，刚刚讲解了单变量，现在来说多变量，他的代价函数基本没变依旧是，而函数变为
简化一下就是
即
，其次是多变量梯度下降
→
→
5，总结一下子，机器首先任选，将其带入代价函数，得出一个
，为了让其的值变得更小，利用梯度下降
使得
达到我们的预期效果，最后得出线性回归的函数。
6，快速求出，利用的是
，但他的局限性很多，一般不用！