[人工智能]线性回归算法

简单说说线性回归：
即 变量和因变量存在线性关系。 y =ax+b这个函数关系，仅仅只是一个变量。


我们可以利用线性回归分析模拟一个最适合的线性函数关系（线性模型），来准确预测数据。


所以我们求解回归问题的关键，就是寻找函数关系 P = f(A)
以y = ax +b一元线性回归方程为例，我们要找到准确的函数关系，就可以把问题转为，找到合适的a、b这两个参数值。


那怎么找到合适的a、b这两个参数值？
我们先回到，一个问题的根本即，怎么样才算是一条最准确的线性回归方程呢？因为线性回归是监督式学习，有对应的x输入和对应的y输出值。y’我们可以称为是函数模型的输出结果。我们的目标就是让y’尽可能地接近y。所以我们就有了损失函数。


要让y’尽可能地接近y,就是我们要找到一组合适的a、b值，使损失函数最小。


具体要怎么求解呢，这里就需要用到梯度下降法。