机器学习基础算法-05

线性模型，或者说线性回归。回归分析本质上是一个函数估计问题，通俗的来说，就是找出因变量和自变量之间的因果关系。回归分析的因变量应该是连续变量(房价是连续的，或者预测某些病症发病的概率值);若因变量为离散变量(预测图片分类等),则问题就是分类问题，回归分析是一个有监督学习问题。

线性模型本身是很简单的一个模型，求解计算方式甚至很难讲需要机器来进行“学习”，但它重要的点在于，一旦随着学习深入，当进行模型优化的时候，就会发现很多求解过程将变得困难，进而思考，是否有更好的方式来求出问题。这时候，自然而然的引出了迭代，回归等一系列的问题。当然，这些方法历史上不是由线性模型提出的。高斯提出了线性回归的基本框架，那时候连电脑都没有，自然想不到日后这个模型将会产生如此深远的影响。不得不说，高斯真是对几百年后的世界产生了难以估量的影响。