ML_简单线性回归

1. 前提介绍：

为什么需要统计量？

　　　　统计量：描述数据特征

　　　　1.1 集中趋势衡量

　　　　　　1.1.1 均值（平均数、平均值）（mean）

　　　　　　{6 2 9 1 2}

　　　　　　(6+2+9+1+2)/5=4

　　　　　　1.1.2 中位数（medain）:将数据中的各个数值按照大小顺序排列，居于中间位置的变量

　　　　　　1.1.3 众数（mode）:数据中出现次数最多的数

　　　　1.2

　　　　　　1.2.1 离散程度衡量

　　　　　　　　1.2.1.1 方差（variance）　

　　　　　　1.2.1.2 标准差（standard  deviation）

1. 介绍：回归（regression）Y变量为连续数值型（continuous numerical variable）

　　　　如:房价，人数，降雨量

　　　　分类（classification）：Y变量为类别型（categorical  variable）

　　　　如:颜色类别，电脑品牌，有无信誉

2. 简单线性回归（Simple Linear Regression）

　　2.1很多做决定的过程通常是根据两个或多个变量之间的关系

　　2.2 回归分析（regression analysis）用来建立方程模拟两个或多个变量之间如何关联　　

　　2.3 被预测的变量叫做：因变量（dependent variable），y,输出（output）

　　2.4 被用来进行预测的变量叫做：自变量（independent variable），x,输入（input）

3. 简单线性回归介绍

　　3.1 简单线性回归包含一个自变量（x）和一个因变量（y）

　　3.2 以上两个变量的关系用一条直线来模拟

　　3.3 如果包含两个以上的自变量，则称作多元回归分析（multiple regression）

4. 简单线性回归模型

　　4.1 被用来描述因变量(y)和自变量（x）以及偏差（error）之间关系的叫做回归模型

　　4.2 简单线性回归的模型是：

5. 简单线性回归方程

6.正向线性关系：

7. 负向线性关系：

8. 无关系：

9. 估计的简单线性回归方程

10.

原文地址：https://www.cnblogs.com/wuweixiong/p/10446350.html