机器学习实战教程（一）：线性回归基础篇（上）

一 什么是回归？

　　回归的目的是预测数值型的目标值，最直接的办法是依据输入，写入一个目标值的计算公式。

　　假如你想预测小姐姐男友汽车的功率，可能会这么计算：

　　　　　　　　　　　　　　HorsePower = 0.0015 * annualSalary - 0.99 * hoursListeningToPublicRadio

　　这就是所谓的回归方程（regression equation），其中的0.0015和-0.99称为回归系数（regression weights），求这些回归系数的过程就是回归。一旦有了这些回归系数，再给定输入，做预测就非常容易了。具体的做法是用回归系数乘以输入值，再将结果全部加在一起，就得到了预测值。

　　说到回归，一般都是指线性回归（linear regression），所以本文里的回归和线性回归代表同一个意思。线性回归意味着可以将输入项分别乘以一些常量，再将结果加起来得到输出。需要说明的是，存在另一种成为非线性回归的回归模型，该模型不认同上面的做法，比如认为输出可能是输入的乘积。这样，上面的功率计算公式也可以写做：

　　　　　　　　　　　　　　HorsePower = 0.0015 * annualSalary / hoursListeningToPublicRadio

　　这就是一个非线性回归的例子，本文对此不做深入讨论。

原文地址：https://www.cnblogs.com/NaLaEur/p/9160524.html