回答思路
简单介绍下线性回归模型（LR）
Linear Regression，线性回归模型，是最基本的机器学习模型之一，要做的事情也很简单，预测一个线性函数，比如
y = a*x + b
其中a是斜率，b是截距，LR要做的就是预测斜率a和截距b。
优化的目标就是使预测值y^hat尽可能地接近真实值y，即
下面给个简单的例子，目标函数是y = 2 * x - 5
import numpy as np rng = np.random.RandomState(1) x = 10 * rng.rand(50) y = 2 * x - 5 + rng.randn(50) 添加噪声，模拟真实场景plt.scatter(x, y) model = LinearRegression(fit_intercept=True) model.fit(x[:, np.newaxis], y) xfit = np.linspace(0, 10, 1000) yfit = model.predict(xfit[:, np.newaxis]) plt.scatter(x, y) plt.plot(xfit, yfit) plt.show()
LR与SVM的对比
