机器学习之多元线性回归

---

在上一篇简单线性回归中我们已经介绍简单和多元线性回归的概念划分

1.多元线性回归(multiple regression)

• 与 简单线性回归(simple linear regression) 的区别：
  简单线性回归包含一个自变量(X)和一个因变量(y)，即一元一次函数。两个变量的关系用一条直线来模拟。如果包含两个以上的自变量，则称作多元回归分析(multiple regression)
• 多元回归模型
  
  图形表示为高维空间中的曲面
• 多元回归方程
  
  注：E(y)为期望值，通过将多元回归模型中右边式子每一项分别求其期望值而得到，ε服从正态分布期望值为0
• 估计多元回归方程
  
  注：b0，b1，…，bp是样本中数据得到的估计的参数，只能代表某样本的参数； β0，β1，…，βp是整体样本数据得到的参数，代表整