线性回归

line model lm

1、残差：估计量和观测值Y的差

2、最小二乘法

是一种求最优解的数学优化技术

离差平方和（TSS）最小＝》离差平方和 对回归参数求偏导得出回归参数值

3、拟合优度：

TSS （离差平方和）＝ ESS （回归平方和）＋ RSS（残差平方和）

回归平方和：与的差和

残差平方和：Y与的查和

可决系数 ＝ ESS／TSS（回归平方和在总离差中的比例，越大拟合优度越高），＝1 完全拟合，＝0无线性关系

每个系数的t检验

整体的f检验

4、python使用方法

from sklearn.linear_model import LinearRegression
x = data[['balance','interval']]
y = data['sign']
'''拆分训练数据与测试数据 '''
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size = 0.2)
linerg = LinearRegression()
model = linerg.fit(x_train,y_train)
print linerg.intercept_
print linerg.coef_
'''预测'''
y_pre = linerg.predict(x_test)