简单线性回归（Linear Regression）基于最小二乘法（least square method）
发布时间
阅读量：
阅读量
线性回归的功能：在获取数据之后，若希望了解数据中各要素之间的关联性，可以通过建立一个数学表达式来描述这种关联，这正是线性回归所承担的任务。
被预测变量：即需要进行预测的对象。
预测变量：用于对目标变量进行预测的变量。
以下公式展示了一个基础的线性回归模型。
其中，beta 0 与 beta 1 均为模型中的参数。
epsilon 表示随机误差项，作为模型中的残差部分。（个人观点：由于现实世界的数据往往受到各种不可控因素的影响，例如某家店铺的销售情况可能因某天有高消费顾客而产生波动，这类情况较为罕见，但会对预测结果造成一定偏差。因此引入 epsilon 来对这种不确定性进行修正。）
可能的线性回归示例图表:
线性回归的核心实施流程:
还没有任何评论哟~