线性回归可能听起来像是一个复杂的术语，但从本质上讲，它是一个方便的工具，可以帮助我们理解和预测两个变量之间的关系。
线性回归有什么用？
从本质上讲，线性回归是寻找一条最适合图表上一组点的线。这条线帮助我们做出预测。想象一下在图表上绘制点——我们正在找出趋势。
神奇方程式：
每条线都由一个线性函数表示：Y = mX + b。在哪里：
-
Y：我们试图预测什么（例如您的体重）。
-
X：我们使用什么来进行预测（例如您的身高）。
-
m：直线的斜率。
-b：线的起点。
它是如何工作的？
可以这样想：如果您知道一群人的身高及其相应的体重，线性回归就会通过这些点画一条线。这条线可以帮助我们通过知道新人的身高来猜测他们的体重。
现实生活中的例子：
-
冰淇淋销售和温度：炎热的天气 (X)，销售更多冰淇淋 (Y)
-
学习时间和考试成绩：更多的学习时间（X），更高的考试成绩（Y）。
过程：
-
收集数据：获取有关您正在研究的信息，例如身高和体重。
-
画线：线连接图表上的点。这可以是迭代过程，也可以使用精确的解决方案。
-
做出预测：使用线条根据一件事来预测另一件事。
为什么这很重要？
预测！它帮助我们根据现有模式猜测结果。
它是更高级数据魔法的基础。
注意：
当关系比较直接时效果最好。如果到处都是，事情就会变得棘手。
