线性回归是一种常见的机器学习算法，用于在给定一组输入变量和相应的目标变量之后，预测目标变量与输入变量之间的线性关系。
independent variable：a variable whose value does not depend on another variable 自变量；独立变量
dependent variable：a variable whose value depends on another variable 因变量； 因变数
在线性方程y=ax+b中，自变量是x，因变量是y。
具体来说，线性回归模型会根据输入变量的数值，通过一个线性方程来预测目标变量的值。这个线性方程通常表示为：
Y = b0 + b1X1 + b2X2 + ... + bn*Xn
其中，Y表示目标变量的值，X1、X2、...、Xn表示输入变量的值，b0、b1、b2、...、bn表示方程的系数，可以通过训练数据来计算得出。
线性回归算法的目标是最小化目标变量与预测值之间的误差，通常使用最小二乘法来计算误差。在实际应用中，线性回归常用于预测房价、销售额、股票价格等连续性数值变量的趋势。
用人话来说：
比如我们希望预测一个人的收入y和他们的教育程度x之间的关系
假设它符合y=ax+b。但我不知道这是怎么样的一条直线。
线性回归就是找到a和b。 这样我们就知道这条直线是啥样了。
Linear Regression
Regression
回归不是回家吃饭，倒推的意思，根据几个样本1收入1w教育：本科 ；2收入2w 研究生 倒推a和b.
n. 后退，倒退；（思想或行为的）退化，退行；（疾病或症状的）消退；（统计）回归
Linear
也不是说只能是直线，也可以画曲线的。
