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
机器学习主要分为这四大类：
回归与分类的区别：
线性回归定义：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。
回归预测其实就是找到一个权重乘与特征值再加上回归系数。y=w*x+b
机器预测与真实值是有一定的误差的，我们能够尽可能的减小误差，所以就有了损失函数（误差的大小）。
最小二乘法之梯度下降：通过训练次数的增加，不断下降，预测值会越来越接近于真实值。
2.思考线性回归算法可以用来做什么？（大家尽量不要写重复）
虽说股票这个东西波动因素有很多，但是还是可以通过几年之内的数据，以及某些波动因素进行一定的预测的。还有天气等。
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。（加分题）
原文：https://www.cnblogs.com/226aa/p/12755459.html