单刀直入线性回归

[为情心迷茫]

要了解线性回归，首先要知道什么是回归预测，回归预测简单来说就包括两个部分。从字面意思来划分，第一个是回归，又称为拟合，另一个就是预测。回归的作用就是为预测做准备或者说是作铺垫，只有基于已有的数据集时我们才能构建一个回归模型，预测就是根据这个回归模型来处理新样本数据的过程。

线性回归其实就是回归分析中第一种经过严格研究并且在实际中广泛应用的一个类型。这是缘于线性依赖于其未知参数的模型相对于非线性依赖于其未知参数的模型更加容易拟合，并且产生估计的统计特性也更加容易确定。

线性回归，英译为：Linear Regression，它是利用了线性回归方程的最小平方函数对任意个自变量和因变量之间关系进行建模的一种回归分析。这种函数是由至少一个回归系数的模型参数的线性组合。我们把只有一个自变量的情况称之为简单回归，大于一个自变量的情况的称做多元回归。

线性回归是利用了数理统计中的回归分析，以确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。其表达形式为y = w'x+e，其中e为误差服从均值为0的正态分布。

而线性回归就是我们的回归模型是属于线性的，也就是说我们样本的每个属性特征都最多是一次的。