Google機器學習速成課筆記（2）線性回歸

速成課筆記均轉自谷歌機器學習速成課，為了友善自己的閱讀與複習而整理，谷歌這次真的是做了一件惠及全人類的好事，通過15小時的課程讓大家可以對機器學習的相關知識有所入門~原課程連結 

點選打開連結

深入了解機器學習 (Descending into ML)：線性回歸

預計用時：6 分鐘

人們早就知曉，相比涼爽的天氣，蟋蟀在較為炎熱的天氣裡鳴叫更為頻繁。數十年來，專業和業餘昆蟲學者已将每分鐘的鳴叫聲和溫度方面的資料編入目錄。Ruth 阿姨将她喜愛的蟋蟀資料庫作為生日禮物送給您，并邀請您自己利用該資料庫訓練一個模型，進而預測鳴叫聲與溫度的關系。

首先建議您将資料繪制成圖表，了解下資料的分布情況：

0255075100125150175每分鐘蟲鳴聲51015202530溫度（機關：攝氏度）

圖 1. 每分鐘的鳴叫聲與溫度（攝氏度）的關系。

毫無疑問，此曲線圖表明溫度随着鳴叫聲次數的增加而上升。鳴叫聲與溫度之間的關系是線性關系嗎？是的，您可以繪制一條直線來近似地表示這種關系，如下所示：

0255075100125150175每分鐘蟲鳴聲5101520253035溫度（機關：攝氏度）

圖 2. 線性關系。

y′=b+w1x1+w2x2+w3x3

 公式不好打，是以很多公式的地方就直接截圖了>///将就看吧