machine learning学习笔记（二）多元线性回归
多元线性回归 Linear Regression
线性回归，就是给在平面图上给出一组数据，我想找到一条穿过他们中间的直线，使得每个点到这条直线的距离的和都能最小。
如果是多元线性回归，那么意味着将不再是普通的y=wx+b问题，而是y=w1x1+w2x2+…+b的问题。
但是，拟合必然有损失，我们定义以下损失函数↓
均方误差，顾名思义又算方差，又算平均值。
展开来写：
最后一步实际上是求偏导。要求这个式子的最小值，也就是
他的最小值：
我们在高中学过，求最大最小值，就要求导数=0.
所以对w进行偏导：
一顿求导和矩阵左右移动，得到我们最终的：
求得的这个w就叫OLS
例题：
令X=
0 1 1
0 1 1
1 1 1
1 0 1
1 0 1
y=
0
1
2
3
4
带入公式
可得 w =( 2,1.5, -1.5)