线性回归是利用数理统计中的回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。
线性回归利用线性回归方程的最小平方函数对一个或多个自变量与因变量之间的关系进行建模，这种函数是一个或多个称为回归系数的模型参数的线性组合。只有一个自变量的情况称为简单回归，大于一个自变量的情况叫做多元回归。
开发流程：
1.提出假设函数（假设存在某种线性关系）y^ = a * x + b
2.提出损失函数（一个样本的误差）
3.提出代价函数（整个样本集的误差）
4.计算代价函数的最小值。得到对应的a,b
5.将a,b带入到假设函数做预测
技术路线：sklearn.linear_model.LinearRegression
步骤：
1.建立工程导入sklearn包
import matplotlib.pyplot as plt
from sklearn import linear_model
2.加载训练数据，建立回归方程
3.可视化处理
原文：https://www.cnblogs.com/LBDJSBP/p/13181216.html