线性回归是一种基本且常用的预测分析类型。线性回归是最简单和最流行的机器学习算法之一。它是一种用于预测分析的统计方法。线性回归对实际变量或数值变量（例如销售额、工资、年龄、产品价格等）进行预测。线性回归模型描述因变量 y 与一个或多个自变量 X 之间的关系。因变量也是称为响应变量。自变量也称为解释变量或预测变量。连续预测变量也称为协变量，分类预测变量也称为因子。预测变量观测值的矩阵 X 通常称为设计矩阵。

在课程结束时，您将深入了解如何使用 Python 构建线性回归模型并做出准确的预测。您将能够将新技能应用于广泛的机器学习和数据科学项目。本课程向您介绍机器学习、数据科学和统计学中使用的一种流行技术：线性回归。我们从头开始讨论这个理论。解决方案的推导以及对实际问题的应用。我们向您展示如何用 Python 编写自己的线性回归模块。

线性回归是您可以学习的最简单的机器学习模型，但它的深度如此之大，您将在未来几年内再次使用它。这就是为什么如果您有兴趣在深度学习、机器学习、数据科学或统计学领域迈出第一步，那么这是一门很棒的课程