线性回归是机器学习领域中最基本的监督学习算法之一。所谓“监督学习”，指的是算法能够根据提供的标记数据来回答问题，比如预测房价或者区分猫和狗。本文将讨论如何使用线性回归来完成回归任务，即预测房价。
线性方程基础
先从大家熟悉的线性方程y = mx + b开始。这个方程描述了苹果数量和成本价格之间的关系。如果想知道7公斤苹果的价格，根据1公斤5美元的价格，7公斤的价格就是7 * 5 = 35美元。在机器学习中，使用类似的方程来预测结果，其中m和b被称为参数。
预测房价
现在，将深入探讨如何解决回归问题。假设有一家名为ABC的公司提供了关于房屋面积和价格的数据，并要求提供一个机器学习模型来预测任何给定面积的房价。例如，3000平方英尺的房屋的最佳估计价格是多少？如果能根据数据集拟合一条直线，并从3000在x轴上画一条垂直线直到它触及直线，那么对应的y轴上的值就是答案。