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
1）。机器学习算法中回归算法的分类
2）回归与分类的区别
分类和回归的区别在于输出变量的类型（预测的目标函数是否连续）。
定量输出称为回归，或者说是连续变量预测；
定性输出称为分类，或者说是离散变量预测。
3）线性回归的定义
定义：线性回归通过一个或者多个自变量与因变量之间进行建模的回归方法，其中可以为一个或者多个自变量之间的线性组合。
4）线性模型：
回归分析中，只包括一个自变量个一个因变量，且二者的关系可用一条直线近似便是，这种回归分析称为医院线性回归分析。如果回归分析中包括两个或两个以上的自变量。且自变量和因变量之间是线性关系，则称为多元线性回归分析。
线性关系模型方程式
5）线性回归的损失
任何一件事的过程都有一定的误差，预测也不例外，而这个范围称为最小二乘法。
6）明确线性回归算法的缺点，并对其进行优化。
7).本章主要内容总结
2.思考线性回归算法可以用来做什么？
应用于房价分析
电影票房预估
家庭用电用水预测
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。
