简介：稍微好一点
在上一节中，我们首先看了改善回归线的过程。 我们从一些数据开始，然后使用给定输入的形式简单的回归线$ \ hat {y} = mx + b $来预测输出。 最后，我们通过计算回归线预测的输出与实际值之间的差异来测量回归线的准确性。
我们通过对所有误差进行平方（以消除负值）并将这些平方相加来得出残差平方和（RSS），从而量化回归线的准确性。 有了描述直线精度（或拟合优度）的数字，我们通过调整y截距值$ b $或斜率值$ m $，然后比较这些RSS值，反复尝试新的回归线。 通过找
平方函数0.13
这些是创建档案或复制文件时的可用选项。 尽管这些概念可以与任何NodeJS应用程序类似地使用，并且不具有要求使用Express的功能，但是示例使用平方2.4。
图像
可以使用FileAsset对象中的“命令”数组属性来实现图像转换。 支持的格式为：
* png - r / w
* jpeg - r / w
* webp - r / w
* bmp - r / w
* gif - r
* tiff - r
// NOTE: WebP support requires manu
