學習目標：
- 簡單線性迴歸：簡單線性迴歸及最小二乘法的數據推導
- 實踐：簡單線性迴歸實現及向量化應用
- 多元線性迴歸：多元線性迴歸和正規方程解及實現
線性迴歸和最小二乘法
《模型之母：簡單線性迴歸&最小二乘法》
線性模型形式簡單、易於建模，但卻蘊藏着機器學習中一些重要的基本思想。在前文中已經寫過，關於迴歸的定義—即特徵是連續值類型。所謂簡單線性迴歸，就是假設輸入屬性（特徵變量）的數目只有一個，在此情形下，我們來討論線性迴歸算法的基礎形式和最小二乘法公式推導。最小二乘法的核心思想是均方誤差最小化。
推導過程詳見援引的文章，木東居士詳細的展示了推導過程，今天自己也動手嘗試了一下，其中的計算公式的簡化和等量替換還是比較有技巧性的，公式推導清楚了也便於後續算法的實現。
線性迴歸算法實踐
《模型之母：簡單線性迴歸的代碼實現》
通過上一節的公式推導，引文中給出了算法的實現代碼同時介紹了向量化的計算方法，節約計算時間。
多元線性迴歸
《模型之母：多元線性迴歸》
多元線性迴歸是線性迴歸的一般形式，即輸入屬性（特徵變量）有多個，其求解思想亦是最小二乘法。引文中給出了求解的結果，以及算法代碼實現。
學習小結
通過對這個三篇文章的學習，瞭解了線性迴歸和最小二乘法的基本思想。