机器学习之简单线性回归

1. 集中趋势衡量

    （1）理解以下名词：平均值()，中位数，众数

    （2）方差, 标准差s

2. 回归（regression)与分类（classification)

    回归：Y变量为连续数值型（continuous numerical variable)，例如房价。 如线性回归解决问题

    分类：Y变量为类别型(category variable)，例如颜色类别。 注意，逻辑回归是分类问题

3. 简单线性回归（simple linear regression)

    回归分析用来建立方程模拟两个或者多个变量之间的关系。被预测的变量(y）被称为因变量(dependent variable)，

    被用来进行预测的变量叫做自变量(indecent variable)

    简单线性回归包含一个自变量和一个因变量，且二者的关系使用一条直线来模拟

4. 简单线性回归模型

     

， 其中是偏差 
       

     简单线性回归方程：

         

， 参数本别是截距和斜率。 方程对应的直线称作回归线

     使用线性回归就是要根据数据求得两个参数的过程。 

5. 关于偏差

      （1）是随机的变量，均值为0；（2）其方差对所有x都一样 （3）是独立的 （4）正态分布

6. 参数确定

    根据训练数据确定参数时，多采用平方差的和最小的评价方法

           


    可以得到如下结果：

            

, 


7. 简单的例子 

        https://github.com/liuleigit/ML_tutorial/SLR