导说：
都属于广义线性回归范畴。
线性回归分析：一元线性（当个因变量，一次，是条直线）；
多元线性（因变量有很多个，但也是一次，在空间中就是一个平面）；
广义线性（高维线性回归，也就是一个超平面）
（都是一次的，因此称为线性回归）
非线性回归分析：非一次的，是曲线，有些可以用线性模型处理，称为广义线性模型，例如Logistic回
归；、
困难：筛选变量（降维技术），避免多重共线性（某一变量依赖于其他几个变量），观察拟合方程，避
免过拟合。。。
使用线性回归依据：
对于线性回归，可以使用相关系数判断这些变量是否适合使用线性去拟合：如下
可以通过柯西不等式证明其值在-1至1之间。
离1或者-1越接近时，则可以说明其线性相关程度越高。正相关与负相关。
求回归线：
找使RSS（残差平方和）最小的参数。对a,b两个参数求偏导数，使其为0即可；
以上的方法可以求出α和β参数值，这个是一元变量的比较简单。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
