线性回归---（最小二乘）

最小二乘法（又称最小平方法）是一种数学优化技术。误差的平它通过最小化方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。

上数值分析课的时候像是发现了新大陆，“最小二乘”不光是在解“矛盾方程”使用，在机器学习中也有使用，例如“线性回归”问题就是利用最小二乘的思想实现。话不多说，直接上干货物，下边我们进行编程实现。

• 附上一张”拟合曲线“线推导公式y=a*x+b，核心求出未知数,a,b

• 首先传入数据

1.求平均值

2. 求b的分子和分母

3. 求出a,b

4. 画出原始数据集，和求出的拟合曲线

5. 进行类的封装

6. 数据测试去，求出预测结果

7. 画出拟合曲线