适合回归分析的例子（线性回归算法）

对大量的观测数据进行处理，从而得到比较符合事物内部规律的数学表达式。解决的就是通过已知的数据得到未知的结果。例如：对房价的预测、判断信用评价、电影票房预估等。

线性：两个变量之间的关系是一次函数关系的——图象是直线，叫做线性。

回归：人们在测量事物的时候因为客观条件所限，求得的都是测量值，而不是事物真实的值，为了能够得到真实值，无限次的进行测量，最后通过这些测量数据计算回归到真实值，这就是回归的由来。

上面图片上有很多个小点，通过这些小点我们很难预测当x值=某个值时，y的值是多少，我们无法得知，所以，我们找到一条直线来描述这些点的趋势或者分布。我们在学校的时候都学过这样的直线，只是当时不知道这个方程在现实中是可以用来预测很多事物的。

什么是模型呢？先来看看下面这幅图。

以前在学校的时候总是不理解数学建模比赛到底在做些什么，现在理解了，是从题目给的数据中找到数据与数据之间的关系，建立数学方程模型，得到结果解决现实问题。

线性回归的一般模型