线性模型：想学一个预测模型（其实就是一个函数或者你叫一个映射），这么模型（函数）说白了就是属性之间的线性叠加。其形式大致如下：
xi代表对象的第i个属性，wi代表第i个属性的权重，b是所谓的偏置。这儿要解释一下，如果我们的xi都归一化到[0, 1]之间的话，那么b就是所有属性都取0的时候我们对象的取值（这个一般无实际意义，你想嘛，我属性都取0，这个对象是个啥玩意），如果我们的xi都化为以均值为对称点的正态分布的的话（也叫标准化（均值为 0，标准差为 1）均值为0是把原来的正态分布平移均值个单位），那么b就是我们的属性全取均值时候对象的取值。我们要做的事就是确定权重和偏置。
举个例子，我要预测西瓜的价格，每个西瓜有三个属性，大小，熟透程度，新鲜度。我把这三个属性都标准化，分别得到三个属性的均值，现在我有一个西瓜，它的大小是均值大小，熟透程度也是均值的程度，新鲜度也是均值。那么截距b就是这个西瓜的价格。
怎么求解这个问题呢，求解最佳参数，需要一个标准来对结果进行衡量，为此我们需要定量化一个目标函数式， 我们是用了一种优化建模的方法，把原问题建模成一个求最值的问题，即我们求我们的m个预测值与m个真实值差距最小，此时的模型参数就是我们要求的最好参数。
这个求最小值的问题未知数就是w和b，直接利用对未知数求偏导等于0来解决就好了
这是属性只有一个的情况，有多个属性类推到矩阵就好了。例如
\(y = wT X + b\)
整个线性规划就讲完了，求解不重要，重要的是这种思想