题目：回归算法1.谈谈你对本课程学习过程中的心得体会与建议？《人工智能》是计算机专业的专业课之一。本课程主要介绍如何用计算机来模拟人类智能，如何用计算机实现诸如问题求解、规划推理、模式识别、知识工程、自然语言处理、机器学习等只有人类才具备的智能，使得计算机更好的为人类服务。该课程是计算机科学理论基础研究的重要组成部分，是计算机科学技术专业的专业拓展课，适合计算机专业人员使用。该课程是计算机科学理论基础研究的重要组成部分，是计算机科学技术专业的专业拓展课，适合计算机专业人员使用。这门课程需要学生掌握人工智能的基本概念、基本方法，会用知识表示方法、推理方法和机器学习等方法求解简单问题。2.《人工智能》课程设计,从以下5个题目中任选其一作答。《人工智能》课程设计题目二：回归算法要求：（1）撰写一份word文档，里面包括（常见的回归算法、基于实例的算法具体细节）章节。（2）常见的回归算法包括：最小二乘法（OrdinaryLeastSquare），逻辑回归（LogisticRegression），逐步式回归（StepwiseRegression），多元自适应回归样条（MultivariateAdaptiveRegressionSplines）以及本地散点平滑估计（LocallyEstimatedScatterplotSmoothing），请选择一个算法描述下算法核心思想1（3）随意选用一个实例实现你所选择的回归算法。答：回归是数学建模、分类和预测中最古老但功能非常强大的工具之一。回归在工程、物理学、生物学、金融、社会科学等各个领域都有应用，是数据科学家常用的基本工具。回归通常是机器学习中使用的第一个算法。通过学习因变量和自变量之间的关系实现对数据的预测。例如，对房价估计时，需要确定房屋面积（自变量）与其价格（因变量）之间的关系，可以利用这一关系来预测给定面积的房屋的价格。可以有多个影响因变量的自变量。常见的回归算法包括：最小二乘法，逻辑回归，逐步式回归，多元自适应回归样条以及本地散点平滑估计。一、最小二乘法的核心原理最小二乘法（ordinaryleastsquares，简称OLS）的核心就是保证所有数据偏差的平方和最小（“平方”的在古时侯的称谓为“二乘”）。如果有一个变量，我们用直线拟合一些点，直线方是y’=ax+b，每点偏差是y-y’，其中y是实际值，y’是估计值。sum((y-y’)2)最小时，直线拟合最好。上试代入y’，可得M=sum((y-(ax+b))2)，对它求导取极值。此时，x,y是已知的，未知的是a和b，所以分别求M对a和b的偏导，解出的a,b即回归系数，记作W。线性回归就是计算参数W的过程。有了Ｗ，就能将Ｙ表示成多属性的加权线性组合。假设有两个变量(多元回归)y’=w0+w1x1+w2x2，就变成了一个三维的问题，同样也用误差平方最小的方法M=sum((y’-(w0+w1x1+w2x2))^2)，Ｍ对w0,w1,w2的偏导为0处是极值，然后解出w0,w1,w2。更多元的情况见下面的公式推导。预测时，用回归系数乘以输入值，再将结果加在一起就得到了预测值，一般用矩阵乘法实现。二、最小二乘法的实例应用比如，为研究某种鱼类的生长特征，测定了该鱼的体长(单位:cm)和体重(单位:kg)，数据如表1，且己知该鱼体长与体重满足幂函数y=axb关系，利用表中数据确定a、b的值2表13