https://www.toutiao.com/a6665460843691377160/
今天我们来看一个最常见的机器学习模型——线性回归（linear regression）模型。先举个例子让你明白什么是线性回归。
现在我们有房屋面积和价格的一些数据，如下图：
现在我们想知道的是，如果给一个新的房屋面积130m²，能否根据已知的数据来预测新的面积对应的价格是多少呢？这时，线性回归模型就派上用场了。
我们先画出已知数据的散点图：
那线性回归要做什么呢？它是模拟出一条直线，让已知的数据点尽量落在直线上或直线周围。效果如下图红线所示：
用公式表示的话，这个线性模型就是一条直线：
f(x) = wx + b （1）
其中，w为系数，b为截距。
当我们的模型确定后，如果给定一个新数据x‘，只需把x‘带入（1）式，求得的y就是预测的价格了。
在谈如何确定w和b之前，我们先来思考一个问题：假如房屋价格不仅仅受面积因素影响呢？比如还有厕所数量、房屋高度、房屋楼层数等等因素，这时我们又该如何构建我们的线性模型呢？
其实跟（1）式一样，我们添加系数和输入即可：
假设我们有n个影响房屋价格的因素，对应的就是n个系数w。（2）式就是我们新的线性模型。那模型既然出来了，该怎么求w和b呢？在求解之前，我们应该了解到，模型预测的结果f(x)是和实际的结果y有一定出入的。也就是说，模型在对原始数据进行训练时，数据点并不一定都落在该模型上。这样就会产生误差，不同的w和b对应不同的线性模型，我们要找的就是误差最小的那个模型所对应的w、b的值。
首先第一步，我们要找一个代价函数（cost function），用它来衡量我们预测的误差，一般用平方和函数来表示：
其中，J就是我们的代价函数，f(x)是我们的预测值，y是训练集数据的实际值，m代表数据的个数。代价函数描述的其实是预测值和实际值差的平方和的均值，那我们在前面为什么要加个1/2呢？这纯粹是为了以后求导方便，而且并不影响我们对代价函数的优化。
然后，我们将预测函数f(x)做一个变形，写成向量乘积的形式。
则（2）式可改写为：
不难看出，f(x)可以写作w和x两个向量的乘积：
进一步缩写为：
其中，w和x均为n+1维列向量。再将（4）式代入（3）式，可得：
由f(x)可知，乘积项的求和可以写为两个向量乘积的形式。要想写成向量形式，我们需要将J(w)做一个变形：
展开，得到：
其中，X 为m*(n+1)维矩阵，m是数据的样本个数，n是每一个数据的特征。w为参数向量，y为实际值向量。
OK，现在我们已经把代价函数化简完成了，但别忘了我们的目标是求当J(w)取最小值时，所对应w的值。可以证明J(w)为凸函数（证明过程暂略），所以当我们对J(w)求导时，令导数为0，J(w)即可取最小值，相应可求得w。（注意w为向量）
在求导之前，我们先记住几个结论，一会就直接用了：
随后，我们令k=Xw-y，则J(w)可写为
对其求导，应用结论1，得
我们先求k'，运用结论3，可得
运用结论5，将其改写为
运用结论2，继续求导可得
运用结论4、5，并化简
将k=Xw-y代入并展开，可得
到此为止，我们的求导过程就完成了。接下来，令导数为0，求得w的值即可。令J'(w)=0，可得
一般情况下，矩阵
为可逆矩阵（不可逆的情况我们以后会讨论），即可求得w的解为
Bingo！（5）式就是我们在代价函数取最小值时，求得的参数向量w。在实际应用中，计算机会帮我们对（5）式求解，得到w的值。但当我们的数据量非常大时，可能会拖慢运行速度。这时，另一种对J(w)优化的算法——“梯度下降法”就该上场了，我们下篇再对它进行介绍。