线性回归是一种统计建模技术，用来描述一个连续的响应变量作为一个或多个预测变量的函数。它可以帮助您理解和预测复杂系统的行为，或分析实验、金融和生物数据。

线性回归技术用于创建线性模型。该模型将一个因变量(y\)(也称为响应)之间的关系描述为一个或多个自变量(X_i\)(称为预测器)的函数。线性回归模型的一般方程为:

\[y = \beta_0 + \sum \beta_i X_i + \爱扑塞隆_i]

其中(\ (\beta\)表示要计算的线性参数估计值，(\ (\epsilon\)表示误差项。

线性回归模型有几种类型:

• 简单:只有一个预测因子的模型

• 多个:使用多个预测器建模

• 多元:为多个响应变量建立模型

简单线性回归通常是在MATLAB。多元和多元线性回归，见统计和机器学习工具箱。它支持多重、逐步、稳健和多元回归:

• 生成预测
• 比较线性模型拟合
• 情节残差
• 评价拟合优度
• 检测异常值

要创建一个线性模型，使曲线和曲面适合您的数据，请参阅曲线拟合工具箱。