1.是什么：

2.回归问题的求解：

1. 首先是根据之前的数据确定变量和因变量的关系
2. 根据关系去预测目标数据
3. 根据结果做出判断
   

2.1如何找到关系？

y’是根据模型生成的预测结果： y’=ax+b，而我们的目的是y’和y(正确的结果)之间的误差尽可能地小，也就是满足拟合条件。
拟合的判断：（y’-y）^2之和min

2.1.1损失函数：

例子：

如何缩小我们的损失函数的误差：
利用梯度下降法

3.梯度下降法：

1. 梯度下降法的本质就是：寻找收敛的点
   

2. 如何寻找收敛的点：在函数上的**(当前点pi)，进行反方向以规定步长的方式进行搜索直至收敛**
   
   步骤：

3. 对函数进行求导（得到方向），然后将当前pi点进行带入

4. 然后将**指定步长值（a）**去乘以我们的第一步的方向值

5. 最后将pi的值减去第二步得到的极值差**（方向值×步长）**

6. 依次往复得到极值点
   

3.1梯度下降法求a和b：

一样的思路，1. 首先带入损失函数的公式中，将损失函数的公式转换为g(a,b)公式
2.然后带入当前a值，并对g(a,b)进行对a的求导（关于a函数的方向值）
3.然后将对a的方向值乘上路程值α，最后用当前a值相减即可
4.以上步骤重复直至一个极值点出现，代表a的极值找到，此时拟合效果最好

结果展示图：