线性回归是一种统计分析方法，用于研究变量间的线性关系。在监督学习中，通过训练数据求得模型参数，以进行预测。高尔顿提出的线性回归名称源于生物统计学。最小二乘法是确定最佳回归线，使残差平方和的均值最小，从而找到最优的模型参数。
监督学习-线性回归（linear regression）
回归分析：分析不同变量之间存在的关系。
回归模型：刻画不同变量之间关系的模型，如果这个模型是线性的，则称为线性回归模型。
在现实生活中，往往需要分析若干变量之间的关系，如碳排放量与气候变暖之间的关系、某一商品广告投入量与该商品销售量之间的关系等。一旦确定了回归模型，就可以进行预测等分析工作，如从碳排放量预测气候变化程度、从广告投入量预测商品销售等。
为什么叫线性回归？
由英国著名生物学家兼 统计学家高尔顿 Sir Francis Galton提出的
父母平均身高每增加一个单位, 其成年子女平均 身高只增加0.516个单位，它反映了这种“衰退 (regression)”效应（“回归”到正常人平均身高）。 虽然?和y之间并不总是具有“衰退”（回归）关 系，但是“线性回归”这一名称就保留了下来了。
如何求取上述线性方程（预测方程）的参数？
我们学习线性回归方程中的目的就是通过训练求得方程的参数，从而推得方
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
