线性回归
机器学习类别：监督学习
数据集特点：label是一般是连续数值
模型
模型：(y = f(x)=b + sum w_ix_i)
- (y): 变量的输出
- (x_i)：变量第(i)维的特征
- (w_i)：第(i)维特征的权重
损失函数
损失函数: (L(f)=sum_{n=1}^N(y^n - f(x^n))^2)
- (y^n): 第(n)个数据的标签(实际值)
- (N) : 训练数据的数量
- (f(x^n)):利用当前参数下的模型计算得到第(n)个数据的输出
最优模型
(f* = arg minL(f))
[w*, b* = arg min L(w,b)
]
即是要找到参数(w)和(b)使损失函数的值最小，这样就找到了最好的模型。