回归算法 - 线性回归

线性回归可以定义为统计模型，用于分析因变量与给定的一组自变量之间的线性关系，变量之间的线性关系意味着，当一个或多个自变量的值更改(增加或减少)时，因变量的值也将相应更改(增加或减少)。

数学上的关系可以通过以下方程式表示:

       Y=mX+b

在这里，Y是无涯教程试图预测的因变量，X是用来进行预测的因变量，m是回归线的斜率，代表X对Y的影响

b是一个常数，称为ΔY截距。如果X=0，则Y等于 b.。

此外，线性关系本质上可以是正数或负数，如下所述-

正线性关系

如果自变量和因变量都增加，则线性关系称为正。下图可以帮助理解-

链接：https://www.learnfk.comhttps://www.learnfk.com/python-machine-learning/machine-learning-with-python-regression-algorithms-linear-regression.html

来源：LearnFk无涯教程网

负线性关系

如果独立增加且因变量减少，则线性关系将称为正。下图可以帮助理解-

线性回归类型

线性回归具有以下两种类型-

• 简单线性回归

• 多元线性回归