這系列結束後，我將繼續挑戰IT鐵人30日：
佛心分享 ： it 考照之路
主題：從摸索7個月到下定決心訂下3週後考試：自學取得PMP 3AT 執照

• 今天我們要談的是ML的supervised learning的不同於分類的另一種演算法，regression。將會介 紹simple linear regression vs multiple regression，之前談過的 logistic regression 雖名為迴歸其實是屬於分類，忘記的同學可以到day11去複習一下。對於supervised learning 不了解的同學可以翻閱一下 day 5去看一下前情提要，現在進入主題。

• regression的起源與原理：

• regression的數學式：

• regression的程式碼：

• 在開始以前，請先觀察比較一下這兩張圖片的差異：
  

• 發現了嗎？左邊這張圖是x與y的二元圖例，而右邊則是多了一個x2，是x1,x2與y的三度空間圖例。還有左圖的紅點點中間有一條紅色的線，右邊的紅點點則是有一個紅色的平面。

• regression的起源與原理：

regression的目地就是在左邊特徵x與target y 找出一條紅色的線，可以說明x與y的關係，因為是在2度空間，所以可以顯示x與y是線性關係，我們可以由x表示年紀，y表示所剩餘命（年數），看到呈現反比，也就是負相關。右邊的圖，我們可以以x1表示聰明才智，x2表示讀書時間，y表示考試成績，可以看見紅色的平面呈現正成長，正相關。x與y我們在day3 有解釋，不熟悉的同學，可以回去複習一下。
而simple linear regression 與 multiple regression的不同則在於特徵x的變數有幾個，大於1個以上通稱multiple regression。

• 明天我們將介紹regression的數學式與程式碼，敬請期待。