线性回归
欠拟合与过拟合
然后加入一点东西变成一个更好的算法为 岭回归
逻辑回归 虽然叫回归 但是是一个分类算法
模型保存与加载
无监督学习 k-means算法
如何判定一个问题是一个回归问题，
确定一个目标值是一系列连续的数据
房价预测
销售额度
线性回归是利用回归方程（函数）对一个或者多个自变量（特征值）和因变量（目标值）之间的关系进行建模的一种分析方式
线性关系一定是线性模型
线性模型不一定是线性关系
如何找到合适的模型契合我们模型
模型中的自变量和因变量是给出的，现在想要算出权值和参数 ，也就做模型参数
使模型变得准确
不断的更新权重，使得这个模型变得更好。使真实值与预测值差距越来越小
希望真实样本到预测样本距离最小
希望损失最小
损失函数最小
又称为最小二乘法
优化损失
优化方法都有什么
两种优化方法：正规方程，梯度下降
正规方程求解慢，小数据场景还可以。需要对矩阵求逆，时间复杂度是n的三次方