Python机器学习中的线性回归，回归数据分析超详细解析

回归分析

回归分析是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。
按照涉及的变量的多少，分为一元回归和多元回归分析；
按照自变量和因变量之间的关系类型，可分为线性回归分析和非线性回归分析。

掌握回归分析的原理以及程序实现，需要我们首先了解一元、多元甚至非线性的回归方程，然后进行回归显著性检验。

1.一元、多元以及非线性回归
一元线性回归方程：

多元线性回归方程：

非线性回归方程：

求出回归方程之后，再利用最小二乘法或最大似然法求解回归方程的参数值。
2.显著性检验
显著性检验就是事先对总体（随机变量）的参数或总体分布形式做出一个假设，然后利用样本信息来判断这个假设（备择假设）是否合理，即判断总体的真实情况与原假设是否有显著性差异。
在回归分析中，我们需要验证y与x之间的线性/非线性关系是否成立，因此对回归系数的显著性进行检验。
以一元回归分析为例，检验假设：