统计回归方法是当今大多数机器学习方法的基础之一，机器学习的很多工程领域应用都是基于此的推广。在统计学中，线性回归（Linear regression）是利用称为线性回归方程的最小二乘函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。多项式曲线拟合(Fitting)则是将线性回归推广到了高阶函数中。机器学习中的线性回归和多项式拟合是有监督学习方法。文末附Python和MatLab程序代码。
我刚开始跟别人说我在学习机器学习的时候，很多人就问我是不是搞硬件的，这让我很无语，毕竟，他们之前没听说过这个词，一听到“机器”二字就认为是硬件方面的东西。而实际上，这个事情虽然的确要懂硬件，但是核心的功夫完全不在硬件上，而是软件方面。毕竟，这个是跟人工智能相联系的东西，重要的是“智能”的实现，至于硬件，那是训练模型的时候（比如GPU）和实际应用中的机器人制造和物联网(Internet of Things)、传感器之类的了。
作为一个学习机器学习有一段时间的人，很理解那些还一点都不知道机器学习为何物的人的着急，因为我当时就是那样，我想以自己的语言来尽量通俗易懂地把它讲出来，以便帮助他们入门。
自己学习工作中常用的几个C++函数，跟大家分享出来，我会持续更新，以增加和改进函数的。
这是我的第一篇博文，并没有想好具体写些什么，不过作为开门第一篇，尤其是这是我的第一个博客网站，我觉得还是有必要介绍一下我自己和这个网站。
