线性回归
在坐标上分布很多点，这些点可以通过y=mx+b的直线进行近似模拟，如图。最合适的线性回归线（Best fitting regression）就是Error的方差最小，即Square error to the line: SEline最小。我们需要找寻SEline最小时m和b的值，即find the m & b that minimizes SEline。
线性回归公式推导
假设我们有n个点，(x1,y1), (x2,y2), ... ,(xn,yn)，如下图所示：
我们要求这几个点的线性回归方程，假设方程为y=mx+b，如下图所示：
即求：
