线性回归模型

什么是回归
回归算法是相对分类算法而言的，与我们想要预测的目标变量 y 的值类型
有关。如果目标变量 y 是分类型变量，如预测用户的性别（男、女），预测花的颜色（红、白、黄……），那我们就需要用分类算法去拟合训练数据并做出预测；如果 y 是连续型变量，如预测用户的收入（4 千，2 万，10 万……），预测员工的通勤距离（500m，1km，2 万里……），我们则需要用回归模型。有时分类问题也可以转化为回归问题，我们可以用回归模型先预测出概率，然后再给定一个阈值，例如 50%，概率值在 50%以下的划分为一类，50%以上则划分为另一类。
这种分类型问题的回归算法预测，最常用的就是逻辑回归。
一元线性回归
我们将 y 作为因变量，x 作为自变量，得到方程：
𝑧 = 𝑏𝑦 + 𝑐
当给定参数 a 和 b 的时候，画在坐标图内是一条直线。
当我们只用一个 x 来预测 y，就是一元线性回归，也就是在找一个直线来
拟合数据。比如，我有一组数据画出来的散点图，横坐标代表房屋面积，纵坐标代表房子的价钱，线性回归就是要找一条直线，并且让这条直线尽可能地拟合图中的数据点。