机器学习三大主要分支：监督学习、无监督学习和半监督学习。对于监督学习，根据目标数据类型的不同分为二大核心任务：分类和回归。其中分类指目标数据为离散型变量，回归指目标数据为连续型变量。对于回归分析方法，本文主要介绍在实际应用最广泛的线性回归分析。下面有范君带你了解它的来龙去脉，后续会分享对应的实践样例(关于Python和R)。
简洁的本质
最优的思想
严谨的验证
1
假设检验
2
拟合优度
持续的进化
点睛的正则
下期再见
经过假设检验，异常值处理，变量转化(交互项，多项式变换)，正则化等步骤，一个相对完整的线性模型就建立起来了。在实际生产生活中，虽然很多相关关系并不是线性的，但是不妨碍其广泛的应用，在一定取值范围内，线性是很实用的。怎么样？这篇线性回归的介绍是否让你对线性回归有了更清楚的认识呢？在下一篇分享中，作者会给出Python和R语言关于Boston房价数据集的线性回归实践，想了解操作的同学们，不要错过了哈。
