本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍实现简单的线性回归。
实现简单线性回归
下面先使用notebook来实现简单的线性回归(拥有一个参数)：
简单线性回归的封装
使用sklearn的封装方法实现我们自己的简单线性回归类。
通过上面代码可以看出不同于kNN算法，我们不需要存储训练数据集，在线性回归中训练数据集的意义就是用于训练模型的参数，在简单线性回归的算法中，模型的参数就是a和b，一旦fit返回模型训练好的参数a和b的值之后，训练数据集就没有用了。
在预测的时候，我们只需要使用学习到的参数a和b对每一个预测数据进行计算就好了。这就是一个典型的参数学习算法，
接下来，在jupyter中调用封装好的线性回归类SimpleLinearRegression1：
前面最小二乘求解的时候，故意将参数a的解析式改写成上面的形式，这是因为对于大的数据量的时候，我们可以通过向量化的方式节省时间。
