深入了解机器学习：线性回归

数据绘制成表：

每分钟虫鸣声与温度之间的关系 可否认为是线性关系？

绘制一条直线 可以看出 每分钟虫鸣声与温度 之间应是线性关系。

运用代数关系：

y = mx+b

y 指的是温度（以摄氏度表示），即我们试图预测的值。

**m **指的是温度（以摄氏度表示），即我们试图预测的值。

x 指的是每分钟的鸣叫声次数，即输入特征的值。

**b **指的是 y 轴截距。

机器学习的模型方程式

y' = w1x1+b

y’ 指的是预测标签（理想输出值）。

b 指的是偏差（y 轴截距）。而在一些机器学习文档中，它称为 w0。

w1 指的是特征 1 的权重。权重与上文中用 m 表示的“斜率”的概念相同。

x1 指的是特征（已知输入项）。

只需将 X1 带入方程式即可推断 y’

eq 多个特征模型方程式：

y' = b+w1x1+w2x2+w3x3