求解线性回归我所知道的方法有两种，一种是使用梯度下降法，另一种是相当于对方程直接求导，找到最值点，这种方法比较适用与特征量较少的情况。然后直接求出所有的参数

先写好X向量以及W向量，那么答案u = X^T * W，然后问题被转化为找到一个最小的Cost，（Cost表示真实值Y与预测值之间的差）

这里的误差采用平方，绝对值不容易被处理，所以采用平方

用矩阵表示后可以使用python的numpy库解除矩阵的解 W = （X^T * X）^-1 X^T * Y

关于矩阵的

然后得到了最小化下的参数W，带入就可以了

参考