线性linear，指量与量之间按比例、成直线的关系，在空间和时间上代表规则和光滑的运动，一阶导数为常数；非线性non-linear则指不按比例、不成直线的关系，代表不规则的运动和突变，一阶导数不为常数。
线性模型试图学得一个通过属性的线性组合来进行预测的函数，即
f(x) = ω1 X1 + ω2 X2 +...+ωdXd + b
一般用向量形式写成 f(x) = ωTx + b，其中ω = （ω1; ω2;...;ωd）可以认为是各属性的权重，x = (x1; x2;...;xd)
数据处理
对离散属性，若属性间存在“序”关系，可通过连续化将其转化为连续值，例如二值属性身高的“高”和“矮”可以转化为{1.0， 0.0}。若属性值间不存在序关系，假定有k 个属性值，则通常转化为k 维向量，例如属性"瓜类"的取值"西瓜" "南瓜" "黄瓜"可转化为(0 ， 0 ， 1) ， (0, 1 ，0)， (1 ,0, 0)。
对于连续型数据，我们也可以通过一些方法将其离散化。离散化有很多的好处，比如能够使我们的模型更加的简单，因为相对于连续类型数据，离散类型数据的可能性更少。对于某些模型比如计算广告中常用的逻辑回归，是非常需要我们输入离散化的特征的。
属性离散化方法
属性离散化方法有很多，基本可以分为三种分类方法。1. 无监督离散化和有监督离散化。在离散化过程中使用类信息的方法是有监督的，而不使用类信息的方法是无监督的。- 无监督离散化：
等宽分箱法：将数据均匀划分成n等份，每份间距相等。缺点是受异常值影响比较大。
等频分箱法：把观察点均匀分成n等份，每份包含的观察点相同。
聚类划分：使用聚类算法将数据聚成几类，每一个类为一个划分。- 有监督离散化：
基于（信息）熵的离散化方法。
卡方分裂法
2 全局离散化和局部离散化。全局离散化是指使用整个样本空间进行离散化，而局部离散化指在样本空间的某一个区域进行离散化。
3 动态离散化和静态离散化。动态离散化方法是在建立分类模型的同时对连续属性进行离散化，而静态离散化是在进行分类之前进行离散化。
线性模型中如何确定ω和b呢？
我们常用均方误差最小化来计算，即
均方误差也是一种误差性能评价方法，具体可参考周志华老师的《机器学习》第45页。f(xi)表示学习器模型的预测输出，yi是真实值，arg min f(x)表示当f(x)取最小值时，x的取值，即右面的式子取最小值时ω和b的取值是ω*和b*。
均方误差有非常好的几何意义，它对应于“欧氏距离”。下面介绍几种距离：
欧氏距离
n维空间点a(x11,x12,…,x1n)与b(x21,x22,…,x2n)间的欧氏距离（两个n维向量）：
标准化欧氏距离: 标准化欧氏距离是针对欧氏距离的缺点而作的一种改进。标准欧氏距离的思路：既然数据各维分量的分布不一样，那先将各个分量都“标准化”到均值、方差相等。【对于尺度无关的解释】如果向量中第一维元素的数量级是100，第二维的数量级是10，比如v1=(100,10,30),v2 = (500,40)，则计算欧式距离
可见欧式距离会给与第一维度100权重，这会压制第二维度的影响力。对所有维度分别进行处理，使得各个维度分别满足标准正态分布。
还有一种对欧式距离的处理是均值化但没有归一化（Normalized），即
其中s2i是第i维度的方差（此处虽然举例只有X,Y两个点，但整个数据集中会有无数个点，根据数据集得到方差分布）
曼哈顿距离
n维空间点a(x11,x12,…,x1n)与b(x21,x22,…,x2n)的曼哈顿距离：
切比雪夫距离
n维空间点a(x11,x12,…,x1n)与b(x21,x22,…,x2n)的切比雪夫距离：
使均方误差最小化来进行模型求解的方法称为“最小二乘法”，在线性回归中，最小二乘法就是找到一条直线，使所有样本到直线的欧氏距离之和最小。
拿出上述公式右半部分，要求
的最小值，可以考虑求极值，只需要将其分别对ω和b求偏导数并令其为0即可。最后求得ω和b最优解的闭式解：
数值解是在特定条件下通过近似计算得出来的一个数值。
解析解，也叫闭式解。就是给出解的具体函数形式，从解的表达式中就可以算出任何对应值。
上面所计算的是针对d各变量属性描述的样本，其中x = (x1; x2;...;xd)，称为线性回归模型的最小二乘参数估计。
如果给定数据集D = {（x1, y1）,（x2, y2）,...,（xm, ym）}，其中xi = （xi1; xi2;...;xid），xij代表第i个样本的第j个特征，yi是真实情况，y = （y1;y2;...;ym）T注意并不是我们划分的类型，（xm, ym）会是出现在样本空间中的某个点，我们要找到某个线将不同类的点区分开。样本个数是m个，由d个属性描述，类似于我之前写的西瓜的例子。我们试图学得
我们将上面左边那个式子表示出来
第一个式子是 f(x1) = ω1x11 + ω2x12+ ... + ωdx1d + b。其实可以将b换成ω0，写为 f(x1) =ω0 + ω1x11 + ω2x12+ ... + ωdx1d，则 方程组为：
写为矩阵形式
即，f(xi) = xi ω 由
可以得到
这里的符号有些变化，但略一思考就可知道是如何对应的，还有因为这里的y是矩阵向量，所以需要有一个矩阵转置才能得到每一项差的平方和。和前面一样，接下来只需要让
考虑一下，如果将ω x + b放进另外一个单调可微函数g( . )里面有什么效果，即 y = g-1(ωTx + b)，我们发现如果这样做的话，就可以将线性模型得到的输出以另外一种变化表达。比如如果将输出标记的对数作为线性模型逼近，即 lny = ωTx + b，实际上是让
这种模型被称为“广义线性模型”，其中g( . )称为联系函数。
参考：《机器学习》 周志华
http://www.cnblogs.com/jiaxin359/p/8574510.html
https://wenku.baidu.com/view/7f24b4b155270722192ef7cd.html
https://blog.csdn.net/qq1028850792/article/details/13024273
