有没有数学和算法好的朋友，计算线性回归用啥算法最快？

你这个一维模型应该是最小二乘法快吧，不过一维模型真的需要考虑效率问题吗？不是随便算都行

这么简单的线性回归问题，当然是最小二乘法罗。以前做实验的时候数据少都是手工或者用计算器算的。用电脑算实在是完全不在话下，现在流行机器学习人工智能什么的，海量的线性回归都没有问题，更不要说这么简单的。那些高斯牛顿法梯度下降法什么的是用来求函数最小值问题的，当然就不限于线性问题了，用来处理非线性最小二乘问题比较合适。这么简单的问题就先不要考虑那种方法比较快了

线性回归, 直接调公式就出来啊, 不用迭代

公式任何一个线性代数库都

(X^T X)^-1 X^T Y
矩阵乘法直接撸就行

最小二乘法，Ax=b, x=(A^TA)^-1*A^Tb

数学计算的话，用最小二乘法就行了。
写代码的话，梯度下降这种迭代思想容易写成代码。

一般来说，自己手写的，都不如调包快。
特别是久经优化和考验的包。

只要结果的话矩阵运算最快，需要各种参数（什么 t 啊 p 啊 f 啊之类的）调包快

Excel-数据分析-回归

哦不好意思没注意，原来是在对比计算机运行的效率，不是人算出结果的效率

@dayeye2006199 你这个有很大的问题，一般都是近似法，直接计算 inverse 对大 matrix 根本不行

@jc89898 解线性方程可以用 CG 需要 vector matrix multiplication.
也可以用 cholesky decomposition

svd 有 c 接口用 eigen 直接调用

python 走起..

```
import numpy as np
from sklearn.linear_model import LinearRegression

x = np.array([0, 2, 5]).reshape(-1, 1)
y = np.array([1, 2, 4])

model = LinearRegression()

model.fit(x, y)

print(f"斜率:", model.coef_[0])
print(f"截距:", model.intercept_)
```

最小二乘比较快吧。
真特别追求效率可以把演算挪到 GPU 上

单变量线性回归，“初中方法”就好了啊，反正都是 O(n)，区别不大，用最简单的就行了

最小二乘法因为涉及到矩阵运算 在高维的时候效率比较低