线性回归简介

• 线性回归
  线性回归(Linear regression)是利用回归方程(函数)对一个或多个自变量(特征值)和因变量(目标值)之间关系进行建模的一种分析方式。
  特点：只有一个自变量的情况称为单变量回归，多于一个自变量情况的叫做多元回归
  
• 线性关系
  • 单变量线性关系：
    
  • 多变量线性关系：
    

注释：单特征与目标值的关系呈直线关系，或者两个特征与目标值呈现平面的关系

• 非线性关系
  

如果是非线性关系，那么回归方程可以理解为：w1x1+w2x2^2+w3x32

• 线性回归api初步使用

from sklearn.linear_model import LinearRegression

x = [[80, 86],
[82, 80],
[85, 78],
[90, 90],
[86, 82],
[82, 90],
[78, 80],
[92, 94]]
y = [84.2, 80.6, 80.1, 90, 83.2, 87.6, 79.4, 93.4]

# 实例化API
estimator = LinearRegression()
# 使用fit方法进行训练
estimator.fit(x, y)

# 查看一下系数值
coef = estimator.coef_
print("系数是:
", coef)

# 预测:
print("预测值是:
", estimator.predict([[80, 100]]))