描述的数学关系,从实验数据做出预测
线性模型描述一个连续反应变量的函数的一个或多个预测变量。他们可以帮助你理解和预测复杂系统的行为或分析实验,金融,生物数据。
线性回归统计方法用于创建一个线性模型。模型描述一个因变量的关系\ (y \)(也称为响应)作为一个或多个自变量的函数\ (X_i \)(称为预测)。线性模型的一般方程是:
\ [y = \ beta_0 + \ \ \和beta_i X_i + \ epsilon_i \]
其中\β(\ \)表示线性参数估计计算和\ε(\ \)代表了错误条件。
有几种类型的线性回归:
- 简单线性回归:使用只有一个预测模型
- 多元线性回归:使用多个预测模型
- 多元线性回归:模型为多个响应变量
- 生成预测
- 线性模型比较适合
- 情节残差
- 评价拟合优度
- 检测异常值
例子和如何
软件参考
参见:统计和机器学习工具,曲线拟合工具箱,机器学习,线性化,数据拟合,数据分析,数学建模,时间序列回归,线性模型的视频,机器学习模型