（十）机器学习 - 多元回归

多元回归（Multiple Regression）是一种统计学方法，用于建立一个因变量（响应变量）与多个自变量（解释变量）之间的关系。多元回归的目的是通过最小化预测误差来找到最佳的拟合模型，从而可以用来预测因变量的值或理解自变量与因变量之间的关系。

多元回归就像线性回归一样，但是具有多个独立值，这意味着我们试图基于两个或多个变量来预测一个值。

多元回归的基本形式可以表示为：

其中：

• yy 是因变量。
• x1,x2,…,xnx1​,x2​,…,xn​ 是自变量。
• β0β0​ 是截距项（intercept）。
• β1,β2,…,βnβ1​,β2​,…,βn​ 是回归系数（regression coefficients）。
• ϵϵ 是误差项（error term），表示模型无法解释的随机误差。

例子：一组数据集，其中包含了一些有关汽车的信息。 

Car	Model	Volume	Weight	CO2
Toyota	Aygo	1000	790	99
Mitsubishi	Space Star	1200