机器学习线性回归是一种用于预测数值型结果的监督学习算法，它通过拟合数据点之间的线性关系来建立预测模型。简单说，就像我们根据房屋面积估算房价一样，线性回归帮你找到“面积”和“价格”之间那条最合适的直线规律。

线性回归到底怎么工作？

去年我帮朋友分析网店数据时真正用上了线性回归。他的问题是：广告投入到底带来多少销售额？我把过去半年的每日广告费和销售额做成散点图，发现它们大致呈直线分布。线性回归做的就是找到那条让所有数据点到直线距离之和最小的“最佳拟合线”。这条线的方程 y = wx + b 里，w代表广告费每增加1元销售额平均提升多少（斜率），b代表即使不投广告也有基础销售额（截距）。那次算出来w=2.3，意味着每投1元广告能回收2.3元销售额，朋友立刻调整了投放策略。

实际应用中的注意事项

线性回归看似简单，但新手常踩几个坑。第一，它默认变量间是直线关系，如果你的数据呈现曲线趋势（比如广告费超过某个值后效果递减），就需要多项式回归。第二，异常值影响很大——有次我发现某天销售额异常高，原来是促销活动造成的，如果不剔除这个点，拟合线会被“拽偏”。第三，多重共线性问题：当你同时用“广告费”和“客服人数”预测销售额时，如果这两个因素本身有关联，模型稳定性就会下降。我的经验是先用散点图肉眼观察关系，再用相关系数定量检查。

常见问题（FAQ）

• 问题：线性回归和逻辑回归有什么区别？线性回归预测连续数值（比如房价、销售额），逻辑回归预测分类概率（比如用户会不会点击广告）。前者输出可以是任意实数，后者输出被限制在0到1之间。
• 问题：什么情况下不适合用线性回归？当数据呈现明显非线性规律、存在多重共线性严重、或者异常值过多且无法合理处理时。比如用户增长数据常呈指数曲线，硬用直线拟合会严重失真。
• 问题：如何判断线性回归模型好坏？我通常看三个指标：R平方（解释力，0.8以上算不错）、残差图（是否随机分布）、预测值与实际值的平均误差。但最重要的是业务验证——把模型用在新的月份数据上看是否还能准确预测。
• 问题：需要多少数据量才能跑线性回归？至少需要20-30个有效样本点，且自变量数量不宜过多。我曾用50条历史数据为小奶茶店建立销量预测模型，关键是要确保数据质量比数据量更重要。

刚开始学机器学习时，我也觉得线性回归太基础没意思，直到真正用它解决了业务问题。下次你遇到“A因素如何影响B结果”这类问题时，不妨先画个散点图，试试这条最经典的预测直线。如果你正在实践某个具体场景，欢迎分享出来一起讨论优化思路。