第一节 废话
很多人看到专业术语就龟缩，可是当你在学习一段时间后。。。
回头来看，发现没有什么比这个专业术语更加合适的字了。
所以坚持看完这一系列文章，你会发现新世界。
————作者给萌新说
其实所谓人工智能，就是机器学习的好听名字，什么深度学习，神经网络。。。都是一回事，就是跟电脑说：“兄弟，你帮我学习吧，然后我需要的时候用你一下，好吗？”
如果你功夫够深，这位仁兄会很乖巧的说，“好说好说！”。如果你菜鸡，那么他只会给你一个字，“滚！”
那么，机器学习，从哪开始？哪才是他的’hello world’？？？
回答：“线性回归！”。
但是注意，这个并非真正意义上的’hello world’ ，因为他并不具备商业价值，啥是？第二集会告诉你。
第二节 先把其它教程忘记
先把其他教程忘记，看完我这篇，然后再回头看其他教程。
你会发现，原来从这个角度进入，很酸爽！
————作者给萌新说
如果一个东西，一个事物，它有点规律，随着某项特征变化，跟随变化，那么我们就可以说它是线性（装逼术语，不要在意）。
例如，
去菜市场买菜，买的菜越多，花的钱也越多（废话）。
那回家的时候，你也许会想，“这么多菜，今天买菜花了多少钱？”
你的脑子会说“几十块把”。
但是如果你只买了颗白菜，你也许会马上回答：“几块钱”（意思就是花的相当少）。
这就是一个线性回归的“完整案例”。因为生活经验告诉你，提着一堆菜回来，肯定花钱多，相反，则少（这就是线性）。但是具体多少钱？就是预测。实际上对不对呢？大多数情况会有偏差。那你怎么就能猜出那个数字？比如这一堆菜25元，因为生活经验啊！
列出表格如下：
首先：
图中，那些灰色点，就代表你买菜回来看看钱包还剩多少钱的真实训练数据。因为你开始没经验，也没感觉，所以你对“今天买多少钱菜？”这个问题没有什么概念，于是你每次回来就看钱包（当然是大概的看一看）。
这就是你有真实数据，让你的大脑训练出一条数据线，红色这条，这就是你的生活经验。
然后：
图中，绿色点，对应的Y轴，也就是对应“几袋青菜”。那么你脑子（没有被僵尸吃掉的情况下），就是自动根据生活经验预测出20元。
最后：
你会问，那为啥不是所有点全部通过红线呢？这就涉及到误差问题。
当你第一次买菜回来，并看看你花了多少钱的时候，你会说，“今天菜价涨了，我多花钱了”。而下一次，有可能你又会说，“今天这菜市场上蛮多的，又便宜，不错！”，于是乎，就又了偏差值，有时候多一点，有时候少一点。这就是为啥，有的点在红线上面，有的点在红线下面。
上述内容对应到机器学习，如下：
每次买菜回来看看钱包剩下多少钱，并记录在脑子里，这就是————真实数据。
你的脑子，就是————电脑。
你的脑子训练出生活经验，就是————训练后的机器学习模型（即图中红线）。
你想要预测今天买菜花了多少钱，就是————图中的绿色点，通过Y轴（几袋青菜）预测X轴（20元）。
第三节 补充一点
很多同学可能要问：线性已经明白了，但是回归怎么解释呢？
其实你大致可以理解成下面这个故事：
“今天菜价涨了，我多花钱了”（某一天）
“今天这菜市场上蛮多的，又便宜，不错！”（某一天）
实际上，你想表达的意思是，“本来不该这么贵啊！” “今天我赚到了！”，那么你的生活经验在总结的时候，就会稍微排除掉这些误差，让你的生活经验认为，应该更加客观一点，因为只有这样，你才能更加容易的记住多少菜花了多少钱，因为你不可能记住每一次菜贵或者便宜了，换句话说，未来在预测的时候，你要的是过去经验的高度总结，也才会更加准确，因为你骨子里喜欢准确点，因为这样好装逼。
总结
到这里，我们其实已经把线性回归这个问题说的很好理解了。有的同学就要问了，这玩意有啥用？我买个菜还要用电脑预测价格？当然不是，这仅仅是为了理解机器学习而举的例子好理解，想表达的意思是：机器学习真的能用！
来源：CSDN
作者：weixin_43605788
链接：https://blog.csdn.net/weixin_43605788/article/details/104328128