反向連結 · 最小平方法

線性回歸是一種基本的統計學與機器學習方法，用於描述自變量與因變量之間的線性關係。其模型一般寫成 y = β₀ + β₁x₁ + … + βₚxₚ + ε，其中 β 為回歸係數，ε 為誤差項。[[最小平方法]]（OLS）是估計 β 的常用技術，透過最小化預測值與觀測值之間的平方誤差來求解。 在實務中，線性回歸常用於量化變數的影響程度、進行趨勢預測，亦可結合[[

## 回歸模型 回歸模型是一種統計方法，用於探索自變量（又稱預測變量）與連續因變量之間的數量關係，從而實現數值預測。通過擬合一個函數形狀，可評估變量間的解釋程度並檢驗假設。 ### 主要類型 - **簡單線性回歸**：僅有一個自變量，假設兩者呈直線關係。 - **多元線性回歸**：包含兩個以上自變量，可捕捉更複雜的交互效應。 回歸模型的估計通常使用最小平方法