统计学中对线性回归的定义：
回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。

python内置的多种数据结构为编程提供了相当的便利，灵活的使用python中的内置数据类型可以达到事半功倍的效果，本文是对Python一些常用数据类型的整理，并列举出来了一些使用技巧。

在很多高级程序设计语言中都提供了Stack和Queue的数据结构，但大部分库中的数据结构所提供的API太过宽泛，后台进行的操作也太多，这样做是为了是数据结构能够满足大部分情况，但有些时候，当没有充分了解原声库的性能的时候就直接使用这些库，可能并不能打到期望的性能。所以有些时候，必须自己实现一些数据结构，至少在这个时候数据结构对我们来讲是可控的，算法的性能可以有我们自己来决定。

和queue和stack具有相同的数据结构,但是其不同点在于删除元素的方法,stack移除元素的操作是移除stack中最顶部的元素,而queque则是移除最底部的元素.总结起来:stack是后进先出,queque是先进先出.

在日常工作中，我们经常会需要用到集合，但是一个有一个必须要考虑的问题是，集合中的元素应该怎么置入和移除，stack和queue就是这个问题的描述，本文根据课程内容，给出了stack的两种实现方法。

对一类问题，机器学习的算法层出不穷，得出的模型也各有千秋，那么到底应该选择什么样的模型呢？我们需要进行模型评估。我们可以把要解决的问题看作是一辆破损的汽车，解决问题的模型看作是扳手、钳子之类的工具，用不同的工具去维修这辆破损的汽车会得到不同的结果，要去判断这个结果的好坏就需要使用测量工具来评估，也许我们要用量角器、也许直接使用直尺，这就要根据情况而定了。

在人类世界里有 “吾日三省吾身”、“知错能改，善莫大焉”、“温故而知新，可以为师矣”这些话。这些话都是人类取回顾过去发生的事情，通过发生过的事务去总结经验或者从旧的事务中总结规律。总之，这是几十万年来人类一直都具备的天性，我们称之为人类的学习。

闲来无事，碰到很多python的疑难杂症，觉得应该该这些问题整理起来，以来是对自己知识能力的检测，而来方便其他朋友,所以这篇文章会不断地被更新。总的来说，这些问题其实一点都不难，能解释清楚的东西，都不能算作是是难吧。

直线和面在线性代数内可以被参数化，从而可以发现很多有意思的事情，比如直线之间的交点、面与面之间的交点或交线。求解交点或交线就是求解一个多元线性方程组，而要求解多元线性方程组则需要用到高斯消元法。

向量的基本运算和推导原理，机器学习的数学基础，来自于笔记扫描。