線性迴歸是一種方法，可用於找出最適合一組點的直線或超平面。這個模組以直覺的方式探索線性迴歸，然後再為機器學習迴歸至線性迴歸的基礎。
進入機器學習領域
從資料中學習
- 從資料中學習經驗也有許多複雜
- 不過，我們可以先從簡單明瞭的熟悉
- 從簡單的簡單的開始著手，門可以廣為採用
方便迴歸的便利函式
特定範例的 L2 損失 (又稱方形錯誤)
= 預測與標籤之間的差異正方形
= (觀察 - 預測)2
= (y - y')2
定義資料集內的 L2 損失
$$ L_2Loss = \sum_{(x,y)\in D} (y - prediction(x))^2 $$
\(\sum \text{:We're summing over all examples in the training set.}\) \(D \text{: Sometimes useful to average over all examples,}\) \(\text{so divide by} {\|D\|}.\)