线性回归的概念和应用

在前一篇文章中解释了线性回归以及如何梯度下降的方法优化参数，内容参考了吴恩达老师的《机器学习》和书籍《机器学习实战》

这一篇再次回顾线性回归的概念已经它的应用场景，重点展示一个应用的例子。
目录如下：

• 线性回归的概念
• 线性回归的优缺点

• 线性回归的应用及例子

  线性回归的概念

回归可以用来做预测和分类，当目标值是连续的时，我们称为回归；当目标值是离散的时，我们称为分类。线性回归其实就是函数拟合。假设我们有了训练集包含$（x_1,x_2,y）$,线性回归就是要找到一个函数使下列的式子成立,其中自变量在函数中的最高次项为1，$\theta$为自变量参数：