TensorFlow深度学习实战（6）——回归分析详解

0. 前言

回归分析 (Regression Analysis) 是一种统计方法，用于研究一个或多个自变量(输入变量)与因变量(输出变量)之间的关系，通过建立数学模型来预测或解释因变量的变化，理解变量之间的相互作用或进行预测。

1. 回归分析简介

回归分析通过学习给定一组因变量和自变量之间的关系从数据中进行预测。只要涉及到分析两个或多个事物之间的关系时，回归分析都有其应用。
以房价估计为例，房价可能受到许多因素的影响：房间数量、房屋面积、地理位置、设施的可用性、停车位等等，回归分析可以找出这些因素与房价之间的数学关系。
简化此问题，假设房屋价格仅由房屋面积决定。利用回归分析，我们可以确定房屋面积(自变量：不依赖于其他变量的变量)与房价(因变量：依赖于一个或多个自变量的变量)之间的关系。之后，只需知道房屋面积，我们就可以利用这种关系来预测房屋的价格。在机器学习中，自变量通常作为模型的输入，而因变量则是模型的输出。
根据自变量的数量、因变量的数量以及关系类型，回归分析有许多不同的类型。回归分析的两个重要组成部分是自变量和因变量之间的关系，以及不同自变量对因变量的影响力。接下来，我们将学习线性回归技术。

2. 线性回归

线性回归已有20