线性回归

简明解释

线性回归（linear regression）以 $\widehat y=\beta_0+\boldsymbol\beta^\top\mathbf x$ 预测数值，普通最小二乘令训练平方残差和最小。线性是对参数而言；变换与交互特征仍可进入，但系数解释依赖模型形式、变量单位与可辨识条件。[1, §3.2, eqs. (3.1)–(3.6)]

别和什么混淆

逻辑回归预测类别对数优势。线性回归系数描述条件关联；没有研究设计和识别假设时，不是因果效应。

在本书中

见第10章：监督学习。