1.本节重点知识点用自己的话总结出来，可以配上图片，以及说明该知识点的重要性
线性回归，顾名思义，属于回归问题。既然是回归问题，那必然属于监督学习。
在这里简单再介绍一下什么是回归问题，回归用于预测输入变量和输出变量之间的关系，特别是当输入变量的值发生变化时，输出变量的值随之发生的变化。回归模型正是表示从输入变量到输出变量之间映射的函数，回归问题的学习等价于函数拟合：选择一条函数曲线使其很好地拟合已知数据且很好地预测未知数据。
线性回归的定义是：目标值预期是输入变量的线性组合。线性模型形式简单、易于建模，但却蕴含着机器学习中一些重要的基本思想。线性回归，是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。
简单来说，就是选择一条线性函数来很好的拟合已知数据并预测未知数据。
2.思考线性回归算法可以用来做什么？（大家尽量不要写重复）
对大量的观测数据进行处理，从而得到比较符合事物内部规律的数学表达式。也就是说寻找到数据与数据之间的规律所在，从而就可以模拟出结果，也就是对结果进行预测。解决的就是通过已知的数据得到未知的结果。例如：对房价的预测、判断信用评价、电影票房预估等。
3.自主编写线性回归算法 ，数据可以自己造，或者从网上获取。（加分题）