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

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

\[y = beta_0 + sum \ \beta_i X_i + epsilon_i\]

其中\(贝塔\)表示要计算的线性参数估计，\(\epsilon\)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:模型与多个预测

• 多元:多响应变量模型

简单线性回归通常在MATLAB．有关多元线性回归，请参阅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

要创建一个将曲线和曲面与数据相匹配的线性模型，请参见曲线拟合工具箱．