第3章
线性回归及其他

本章内容

• 对数据做线性拟合
• 对数据做任意曲线拟合
• 测试回归算法的性能
• 在现实世界的数据上应用回归算法

还记得高中时候的科学课程吗？那可能是很久以前的事情了，或者谁知道呢——也许你正在读高中，并早早开启了机器学习之旅。不管你选的课程是生物、化学还是物理，一个常见的分析数据的技术是绘图表示一个变量如何影响另一个变量。

想象一下，绘图分析降雨频率和农业生产之间的相关性。你可能会观察到，降雨的增加将导致农业生产率的提高。通过对这些数据样本的线性拟合，你可以对不同降雨情况下的农业生产率做出预测：降雨量少，降雨量多，等等。如果你从一些数据样本中发现了隐藏的函数，学习到的这个函数就可以使你能够对未见过的数据进行预测。

回归算法研究如何最好地从数据拟合一条曲线，它是一种最强大的、被深入研究的监督学习算法。在回归算法中，我们试图通过寻找可能产生这些数据的曲线来理解数据。在这个过程中，我们寻求一个解释：为什么给定的数据是这样分布的。最佳拟合曲线给我们一个模型，用来解释数据集可能是怎样产生的。

本章向你展示如何用回归来表达现实世界的问题。你将看到，TensorFlow是正确的工具，它提供了一些强大的预测工具。