前幾天剛講完了影像辨識的模型預測，我們要學的教另一種機器學習叫做線性回歸(Linear Regression)，線性回歸一個利用每個數據中產生的線性關係來找出邏輯，並完成預測。

線性回歸這個詞你可能沒有聽過，但你一定有看過下面這個式子

沒錯就是國中時學過的二元一次方程式的概念，我們會利用每個數據來找出一條最適合的直線，而這條直線就是我們經過電腦找出答案的數據線，舉個例子:

上面這張圖的每個紅點是我們的資料，那條藍線就是預測線，在這張圖可以看到預測線跟資料室非常吻合的，那如果變成下面這樣呢?

可以並沒有每一筆資料都在預測線上，這並不奇怪，因為在現實生活中不會都像第一張圖的情況那麼完美，而是像第二張圖一樣並不是那麼整齊，這正是我們這次提到線性回歸的目的，為了預測不是那麼完美的資料。

我們在這次的主題線性回歸中會提到要怎麼建造和調整圖形、成本函數、以及兩種找出最佳解的方法。

接下來要做的線性回歸所採用的資料是我用excel做出來的身高體重統計，因為這只是我隨便寫的幾個身高體重，所以預測結果可能不會很貼近現實。

程式講解:

import pandas as pd
import matplotlib.pyplot as plt
from ipywidgets import interact
import numpy as np

首先要載入這些套件

data = pd.read_csv("Height & Weight.csv")
data
x = data["Height"]
y = data["Weight"]

再來導入我們的csv檔，並設定xy軸的數值，檔案在下面

Height & Weight.csv