简述回归分析的基本思想.

简述回归分析的基本思想.
线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量
关系的一种统计分析方法，运用十分广泛。

其表达形式为y = w'x+e，e为误差服从均值
为0的正态分布。

在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。

如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。

在统计学中，线性重回（linear regression）就是利用称作线性回归方程的最轻平
方函数对一个或多个自变量和因变量之间关系展开建模的一种重回分析。

这种函数就是一
个或多个称作回归系数的模型参数的线性组合。

只有一个自变量的情况称作直观重回，大
于一个自变量情况的叫作多元回归。

（这反过来又应由多个有关的因变量预测的多元线性
重回区别，而不是一个单一的标量变量。

）
在线性回归中，数据使用线性预测函数来建模，并且未知的模型参数也是通过数据来
估计。

这些模型被叫做线性模型。

最常用的线性回归建模是给定x值的y的条件均值是x
的仿射函数。

不太一般的情况，线性回归模型可以是一个中位数或一些其他的给定x的条
件下y的条件分布的分位数作为x的线性函数表示。

像所有形式的回归分析一样，线性回
归也把焦点放在给定x值的y的条件概率分布，而不是x和y的联合概率分布（多元分析
领域）。