spark：线性回归--44

从上次更新博客到现在整整十天，这期间一直试着学习线性回归算法：Linear Regression，以前只看过数据结构的算法从没学过这种类型的算法。先了解算法的原理再去看代码，但我觉得自己想要独立写出线性回归的完整代码还有很长路要走···写一些对线性回归算法的心得···

一：先写一些在看书过程中随手写的一些小概念，比较乱

回归分析就是利用样本（已知数据），产生拟合方程，从而（对未知数据）迚行预测
用途：预测，判别合理性
例子：利用身高预测体重；利用广告费用预测商品销售额；等等.
线性回归分析：一元线性；多元线性；广义线性（非线性）
非线性回归分析
困难：选定变量（多元），避免多重共线性，观察拟合方程，避免过度拟合，检验模型是否合理

混合模型，哑变量

使用相关系数去衡量线性相关性的强弱：

经过QGui程序运算哪些变量会影响销售量：三颗星表示该系数相关性很好

数学公式和符号实在是打不出来···字比较难看···