机器学习：概率视角的Linear Regression
前言
上一节我们说到了一元线性回归·与·多元线性回归，大家如果还不清楚，可以去考古。
之前，我们用最小二乘估计，推导出来：
在这一小节中，我采取概率的视角来解决线性回归问题。
推导过程
还是这一张图，我们可以发现，如果让拟合的直线与每个观测值x的距离都为0，也就是误差为0，但是这情况是不会出现的，因为数据本身就具有不确定性，带有一定的噪声。如果真有这种情况，这个模型也没有任何意义，只能解决特定问题。
结论归纳
求到最后，我们可以看出，这与之前讲过的最小二乘估计的Cost function是一致的，可以得出结论最小二乘估计隐含了噪声服从正态的假设，从概率角度的MLE（极大似然估计）与MSE（最小二乘估计）本质是一样的。
