2.1 一元线性回归

回归(Regression)

回归一词最早由英国科学家弗朗西斯·高尔顿(Francis Galton)提出,他还是著名的生物学家、进化论奠基人查尔斯·达尔文(Charles Darwin )的表弟。高尔顿深受进化论思想的影响,并把该思想引入到人类研究,从遗传的角度解释个体差异形成的原因。
高尔顿发现,虽然有一个趋势∶父母高,儿女也高;父母矮,儿女也矮。但给定父母的身高,儿女辈的平均身高却趋向于或者“回归”到全体人口的平均身高。换句话说,即使父母双方都异常高或者异常矮,儿女的身高还是会趋向于人口总体的平均身高。这也就是所谓的普遍回归规律。
高尔顿的这一结论被他的朋友,英国数学家、数理统计学的创立者卡尔·皮尔逊(Karl Pearson )所证实。皮尔逊收集了一些家庭的1000多名成员的身高记录,发现对于一个父亲高的群体,儿辈的平均身高低于他们父辈的身高;而对于一个父亲矮的群体,儿辈的平均身高则高于其父辈的身高。这样就把高的和矮的儿辈一同“回归”到所有男子的平均身高,用高尔顿的话说,这是“回归到中等”。

房价预测

2.1 一元线性回归_第1张图片
预测过程
2.1 一元线性回归_第2张图片
一元线性回归

回归分析(regression analysis)用来建立方程模拟两个或者多个变量之间如何关联 被预测的变量叫做:因变量(dependent
variable),输出(output) 被用来进行预测的变量叫做︰自变量(independentvariable),输入(input)
—元线性回归包含一个自变量和一个因变量两个变量的关系用一条直线来模拟 如果包含两个以上的自变量,则称作多元回归分析(multiple
regression)

正相关
2.1 一元线性回归_第3张图片
2.1 一元线性回归_第4张图片
负相关
2.1 一元线性回归_第5张图片

你可能感兴趣的:(#,线性回归以及非线性回归,机器学习,线性回归,回归,机器学习)