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，运用十分广泛。
在线性回归中，数据使用线性预测函数来建模，并且未知的模型参数也是通过数据来估计。 这些模型被叫做线性模型。最常用的线性回归建模是给定 X 值的 y 的条件均值是 X 的仿射函数。 线性回归有很多实际用途。分为以下两大类：
其一，目标是预测或者映射，线性回归可以用来对观测数据集的和 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。线性回归就是凭回归方程预测未来。这个回归方程的因 变量是一个未知数，也是一个估计数，虽然估计，但是，只要有规律，就能预测未来。
其二，是给定一个变量 y 和一些变量 X1, ... ,Xp，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 Xj 之间相关性的强度，评估出与 y 不相关的 Xj，并识别出哪些 Xj的子集包含了 关于 y 的冗余信息。
线性回归算法，在很多行业都有十分广泛的运用。比如，预测下一年度的利润总额，利用相
关系数分析，筛选与预测结果密切相关的影响因素作为自变量，使用线性回归方法，并进行误差
分析，为企业的管理和工作计划制定提供可靠的理论依据；预测公路货运量，收集有关的宏观经
济数据和企业内部数据，确定公路货运量的影响因素分别为 GDP、人口数量、社会消费零售总额
和农副产品产值，构建了基于线性回归模型的货运量预测方法；为了较为准确地对并网光伏发电
系统的发电量做出预测，对硅太阳电池单一组件发电功率进行了理论计算，建立了一种以辐射量
及组件温度为变量的多元线性回归光伏发电功率及发电量预测模型，提高光伏并网后电网的安全
性及稳定性。
