机器学习线性回归算法实验报告_机器学习理论（二）简单线性回归

(小小：机器学习的经典算法与应用)

(小小：机器学习理论（一）KNN-k近邻算法)

(小小：机器学习理论（二）简单线性回归)

(小小：机器学习理论（三）多元线性回归)

(小小：机器学习理论（四）线性回归中的梯度下降法)

(小小：机器学习理论（五）主成分分析法)

(小小：机器学习理论（六）多项式回归)

(小小：机器学习理论（七）模型泛化)

(小小：机器学习理论（八）逻辑回归)

(小小：机器学习理论（九）分类算法的评价)

(小小：机器学习理论（十）支持向量机)

(小小：机器学习理论（十一）决策树)

(小小：机器学习理论（十二）集成学习)

(小小：机器学习理论（十三）Kmeans聚类)

---

一、最小二乘法

二、实现简单的线性回归算法

三、使用面向对象编程实现

四、向量化运算

五、线性回归算法的评价

六、最好的衡量线性回归算法的指标

---

前言

思想简单，是许多强大的非线性模型的基础，具有很好的可解释性。背后有强大的数学理论支持。
其本质： 寻找一条直线，最大程度地去拟合样本特征和样本输出标记之间的关系

​ 之所以称为简单线性回归是因为样本特征只有一个。假设我们已经找到最佳拟合直线方程

，对于每个样本点

根据直线方程我们就能预测出

,其真值为

，我们希望预