1.本节重点知识点用自己的话总结出来，可以配上图片，以及说明该知识点的重要性
首先明白回归算法的概念：就是确定变量之间的关系，建立数学模型去预测真实值。
其次要知道线性回归：指的是自变量和因变量存在线性关系，进行建模的回归方法。根据自变量的个数，又可以分为一元线性回归和多元线性回归。
通过下面的线性关系模型，当我们输入特征值，就能够得出目标值。
而我们需要使用线性回归的话，就要知道什么是矩阵，因为矩阵运算满足了线性回归的需求。
矩阵必须是二维的，有行有列。
矩阵的乘积运算：
m行h列*h行n列=m行n列的矩阵
举个例子：3行2列矩阵*2行3列矩阵=3行3列矩阵
线性回归的方程的一般形式为：y=wx+b
其中w表示为权重，b表示为偏重。我们的特征值x输入后，与权重w相乘，可能会有一点的偏重影响，最终得到目标值。
真实值和预测值肯定是会有误差的，我们想要努力缩小误差的话，可以使用损失函数来观察模型的误差大小，从而缩小误差。
减少损失有两种方式：最小二乘法中的回归方程和梯度下降法
回归方程：
其中XT为转置矩阵，X-1为逆矩阵
梯度下降法：
其中∂为学习速率，学习速率的取值取决于数据样本，可以多取一些值，从大到小，分别运行算法，看看迭代效果，如果损失函数在变小，说明取值有效，否则要增大步长。
2.思考线性回归算法可以用来做什么？（大家尽量不要写重复）
3.自主编写线性回归算法 ，数据可以自己造，或者从网上获取。（加分题）