机器学习（二）：线性回归

一、什么是回归？

回归的目的是为了预测，比如预测明天的天气温度，预测股票的走势…

回归之所以能预测是因为他通过历史数据，摸透了“套路”，然后通过这个套路（或者说规律）来预测未来的结果。

二、什么是线性回归？

线性回归的位置如上图所示，它属于机器学习 – 监督学习 – 回归 – 线性回归。

先从定义看起：线性回归分析（Linear Regression Analysis)是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。本质上说，这种变量间依赖关系就是一种线性相关性，线性相关性是线性回归模型的理论基础。

例如：

• 身高：由父亲的身高、母亲的身高、家庭收入、所在地区等因素决定
• 房价：由地段、面积、周围配套、时间等因素决定
• 房子」越大，「租金」就越高
• 「汉堡」买的越多，花的「钱」就越多
• 杯子里的「水」越多，「重量」就越大

线性回归要做的是就是找到一个数学公式能相对较完美地把所有自变量组合（加减乘除）起来，得到的结果和目标接近：

文章来源: chuanchuan.blog.csdn.net，作者：川川菜鸟，版权归原作者所有，如需转载，请联系作者。

原文链接：chuanchuan.blog.csdn.net/article/details/126416662