线性回归

线性回归（regression to the mean）

线性回归称作广义线性回归（GLM generalized linear model），广义线性回归包括多元线性回归、逻辑回归（Logistic regression）、泊松回归（Poisson regression）

回归 regression

回归指的是回归到平均值mean，通过大量的数据进行计算，得到平均值，得到模型，然后使用模型进行预测。

那么平均值mean指的是什么呢？我的理解就是y = $w_{0}$ + $w_{1}$$x_{1}$ + $w_{2}$$x_{2}$ + …… + $w_{n}$$x_{n}$方程中的y值。但是通常理解y是结果，y值为什么是均值呢？那么先要从均值（平均值）聊起。

均值，其实是针对实验观察到的特征样本而言的。比如我们实验结果得出了$x_{1}$,$x_{2}$,$x_{3}$…..$x_{n}$这n个值，那么我们的均值计算是

$\frac{x_{1} + x_{2} + x_{3} + ….. + x_{n}}{n}$

比如我们进行掷骰子，掷了六次，点数分别为2，2，2，4，4，4，这六次的观察就是我们的样本，于是我们可以说均值为(2+2+2+4+4+4)/6=3。那么这个公式怎么看上去都和回归方程长得不一样，但是将均值的公式变换一下：

(2+2+2+4+4+4)/6 = 3

3 = (2+2+2+4+4+4)/6

3 = 1/6*2 + 1/6*2 + 1/6*2 + 1/6*4 + 1/6*4 + 1/6*4

再看上面这个公式是不是和回归方程有点像了呢？如果将3看做y，2，2，2，4，4，4看做 x1