线性回归可能是机器学习中最简单、最基础的算法了。但一定不要因为它简单就轻视它的存在，因为它也是很多更高级机器学习算法的基础，比如多项式回归、岭回归、 LASSO 回归等。线性回归的核心归结为求解正规方程（由样本特...

前一篇文章给大家介绍了线性回归的模型假设，损失函数，参数估计，和简单的预测。具体内容请看下面链接：【机器学习笔记】：大话线性回归（一）...

在监督式学习中，我们有数据 x 和标签 y。我们想要找到一个函数来连接 x 和 y。可以选择决策树，线性回归等模型，然后训练这些模型使损失函数达到最小。...

线性回归作为监督学习中经典的回归模型之一，是初学者入门非常好的开始。宏观上考虑理解性的概念，我想我们在初中可能就接触过，y=ax，x为自变量，y为因变量，a为系数也是斜率。如果我们知道了a系数，那么给我一个x，我就能得到一个y...

关于线性回归相信各位都不会陌生，当我们有一组数据（譬如房价和面积），我们输入到excel，spss等软件，我们很快就会得到一个拟合函数:

在机器学习中，样本一般分成独立的三部分训练集(train set)，验证集(validation set)和测试集(test set)。其中，训练集用于建立模型。

我们之前学的，无论是线性回归还是逻辑回归都有这样一个缺点，即：当特征太多时，计算的负荷会非常大。

最近，弗吉尼亚理工博士Amirsina Torfi在GitHub上贡献了一个新的教程，教程清晰简单，喜提2600颗星~

上一节我们知道了算法是训练出来的，训练过程需要依据某种算法进行运算，这一节我们一起看下线性回归中最常用的优化算法——梯度下降法。

接下来，每天推送一道BAT的面试题，一般问到的这些知识点都是很重要的，所以知道的就再复习一下，不知道的希望这篇可以帮助到你。日积月累，你会在不知不觉中就步入机器学习的大门，并且越走越远。同时，还能助你顺利拿到OFFER....