Day2 线性回归(Linear Regression)

线性回归是什麽?

讲人话就是利用以往蒐集的资料建立一个预测未来走势的模型，当输入新的值[自变数(independent variable)]後，能够预测出新的结果[应变数(dependent variable)]。

浅谈线性回归

假设今天我想要预测房价，但是我只知道以往的房屋面积及价格，所以我将房屋面积当成X轴、价格当成Y轴画出来，并且找出一条与这些点最短距离的直线，就是希望使损失函数(Cost Function)最小化，但是要如何找出这条直线?就是利用最小平方法（Least Squares Method），但是当我们考虑的因素变多，像是交通、地段、屋况等等......数据的维度变大了，我们就需要更复杂的计算，因此，梯度下降法(Gradient Descent)是你的好选择，假设你今天站在山顶，想以最快的速度下山，当然会想走坡度最陡的地方，就是透过对损失函数不断的微分，也是能够使损失函数(Loss Function)最小化的方法之一。
用说的还是很抽象，用看的比较好了解，以下带来一支影片:

梯度下降，神经网络如何学习 l 第二章 深度学习
https://www.youtube.com/watch?v=IHZwWFHWa-w&list=PLZHQObOWTQDNU6R1_67000Dx_ZCJB-3pi&index=2