求解线性回归我所知道的方法有两种，一种是使用梯度下降法，另一种是相当于对方程直接求导，找到最值点，这种方法比较适用与特征量较少的情况。然后直接求出所有的参数
先写好X向量以及W向量，那么答案u = XT * W，然后问题被转化为找到一个最小的Cost，（Cost表示真实值Y与预测值之间的差）
这里的误差采用平方，绝对值不容易被处理，所以采用平方
用矩阵表示后可以使用python的numpy库解除矩阵的解 W = （XT * X）-1 XT * Y
关于矩阵的求导
然后得到了最小化下的参数W，带入就可以了
参考链接1
