本文最初发表在 Towards Data Science 博客，经原作者 Braden Riggs 授权，InfoQ 中文站翻译并分享。
数学建模和机器学习常常会让人感觉像是难以探索和学习的课题，尤其是对那些不熟悉计算机科学和数学领域的人来说尤为如此。我很惊讶地从我的非理工科的朋友那里听到，他们在自己的项目中尝试使用基本的建模技术时感到不知所措，而且他们可能会陷入这个领域的语义中。这是一种耻辱，因为线性建模在许多情况下都是非常有用的，并且加上互联网上的所有开放源代码，实现自己的模型从未如此简单过。因此，下面是我用 Python 理解并实现基本线性回归模型的简单指南。
什么是线性回归？
线性回归是一种数学建模的一种形式，通常用于评估因变量（如体重）和自变量（如身高）之间的关系。我们的大脑能够很自然地做到这一点，只是以一种不太精确的方式而已。如果我让你判定 189 厘米和 158 厘米的人哪个人体重更重，你可能会选择 189 厘米的人。当然，158 厘米的人也可能会更重，但我敢打赌，在你与人交往的经历中，你已经确定了人的身高与体重之间的某种关系。线性回归就是建立这种关系并从中提取意义的一种精确的数学方法。
它是如何工作的？
线性回归的工作原理是通过创建一条最佳拟合线。最佳拟合线是最能捕捉 X 轴和 Y 轴之间关系的直线。例如，这种关系可以是，随着“X”的增加，“Y”也会随之增加：
原文链接:【https://www.infoq.cn/article/H5MDLR2jq4jidAFMphuV】。未经作者许可，禁止转载。