Python机器学习之回归

1.线性回归

定义

1. 线性回归(Linear Regression)是利用数理统计中回归分析， 来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
2. 线性回归利用称为线性回归方程的最小平方函数对一个或多个自变量和因变量之间关系进行建模。这种函数是一个或多个称为回归系数的模型参数的线性组合。只有一个自变量的情况称为简单回归,大于一个自变量情况的叫做多元回归。

线性回归的实际用途

线性回归有很多实际的用途，分为以下两类

1.如果目标是预测或者映射，线性回归可以用来对观测数据集的y和X 的值拟合出一个预测模型。当完成这样一个模型以后，对于一个新增的X值， 在没有给定与它相配对的y的情况下，可以用这个拟合过的模型预测出一个 y值。

2.给定一个变量y和一些变量X1,⋯,??,这些变量有可能与y相关，线 性回归分析可以用来量化y与X?之间相关性的强度，评估出与y不相关的X? ， 并识别出哪些X?的子集包含了关于y的冗余信息。

线性回归的应用

素材提取：
https://pan.baidu.com/s/1bb58YdOEq54xOJjHkdCqyQ
密码：ch6r

背景：与房价密切相关的除了单位的房价，还有房屋的尺寸。我们可以根 据已知的房屋成交价和房屋的尺寸进行线性回归，继而可