基本概念
利用线性的方法，模拟因变量与一个或多个自变量之间的关系。自变量是模型输入值，因变量是模型基于自变量的输出值。
因变量是自变量线性叠加和的结果。
线性回归模型背后的逻辑——最小二乘法计算线性系数
最小二乘法怎么理解？
它的主要思想就是求解未知参数，使得理论值与观测值之差（即误差，或者说残差）的平方和达到最小。在这里模型就是理论值，点为观测值。使得拟合对象无限接近目标对象。
一元线性回归与多元线性回归
自变量只有一个的时候叫一元线性回归，自变量有多个时候叫多元线性回归。
R语言实现
bike.data <- read.csv("Shared Bike Sample Data - ML.csv")
lm(formula = 分数 ~ 城区 + 年龄 + 组别, data = bike.data)
summary(lm_fit)
上面变量中城区 缺少 朝阳区，组别 缺少对照组。原因是由所有分类变量组成的哑变量中，有一个作为参考系不出现在线性回归结果中。
补充材料——哑变量
哑变量，取值为0或者1的变量，它将分类变量转换为数值变量，进而可以输入到线性回归模型中。在输入模型前将一个分类变量转换为多个哑变量。
在实际操作中遇到分类变量怎么办？
举例：
