GBase UP 机器学习使用指南 -2.2.3(1)

2.2.3 线性回归(Linear regression)
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。