机器学习（4）手推线性回归模型（单变量 求导法）

机器学习系列：

机器学习（1） - 人工智能起源

机器学习（2）细说监督学习

机器学习（3）再说监督学习的套路

前面说到了机器学习的套路，今天我们来手推下线性回归模型（单变量）的参数推导。

线性模型（单变量）是最基础的模型，单变量，也就是二维的情况，通过它，我们可以清楚的学习到监督学习数学推导的基本套路：定义代价函数，让它最小，搞定。

线性回归模型，单变量的情况下，只有2个参数，y = w*x + b，这个学过数学的同学都知道，拟合线性用到的算法是MSE（最小均方误差），这在机器学习中的表达方式就是代价函数。

今天我们给出的是通过数学求导的方式来计算参数，这种方式解释性好，但是需要求导数，计算量比较大，后面我们还会给出梯度下降法的手推过程。

我们会给出代价函数J(w, b)，然后求它对参数w，b的导数最小，得到的参数就是最接近的参数了。

具体参见如下推导：