回归介绍：
回归（regression）Y变量为连续数值型（continuous numerical variable）
如：房价，人数，降雨量
分类（Classification）:Y变量为类别型（categorycal variable）
如：颜色类别，电脑品牌
简单线性回归（Simple Linear Regression）
- 很多做决定过程中通常是根据两个或者多个变量之间的关系
- 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），y,输出（input）
- 被用来进行预测的变量叫做：自变量（independent variable），x,输入（input）
简单线性回归介绍
- 简单线性回归包含一个自变量（x）和一个因变量（y）
- 以上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）
简单线性回归模型
- 被用来描述因变量（y）和自变量（x）以及偏差（error）之间关系的方程叫做回归模型
-
简单线性回归的模型是：
其中：β0为参数，ε为偏差
简单线性回归方程
- 这个方程对应的图像是一条直线，称作回归线
其中βo是回归线的截距，β1是回归线的斜率，E（y）是在一个给定x值下y的期望值（均值）
正向的线性关系
负向的线性关系
无关系
估计的简单线性回归方程
这个方程叫做估计线性方程（estimated regression line）
其中，b0是估计线性方程的纵截距
b1是估计线性方程的斜率
^y是自变量x等于一个给定值的时候，y的估计值
线性回归分析流程
根据大量数据x,y算出b0和b1，数据越多b0，b1越精确
关于偏差ε的假定
1. 是一个随机的变量，均值为0
2. ε的方差（variance）对于所有的自变量x是一样的
3. ε的值是独立的
4. ε满足正态分布
简单线性回归模型举例：
汽车卖家做网络广告数量与卖出的汽车数量：
如何练处合适简单线性回归模型的最佳回归线？怎么算出bo和b1呢
使sum of squares最小
计算
