regress（）函数主要用于线性回归，一元以及多元的。它可以提供更多的信息，残差之类的。 调用格式： [b，bint，r,rint，stats]=regress(y,X，alpha) bint是回归系数的区间估计，r是残差，rint是置信区间，stats是用于检验回归模型的统计量，有三个数值：相关系数r^2，F值，与F对应的概率P，alpha是显著性水平(缺省的时候为0.05)。相关

原作者视频：【成对数据统计】【一数辞典】1线性回归方程_哔哩哔哩_bilibili 注意：高中只学线性回归。 最小二乘法（残差和平方最小的直线、方差最小=>拟合程度最好）：

多元线性回归模型： （训练的时候设μ=0） model.fit(X,y) 训练出一个模型后，sklearn分了两部分存模型系数 model.coef_  # 得到[]    model.intercept_ # ，截距，默认有截距 这样就可以写出完整模型啦~

深度学习在单线性回归方程中的应用–TensorFlow实战详解 文章目录 深度学习在单线性回归方程中的应用--TensorFlow实战详解1、人工智能<-->机器学习<-->深度学习2、线性回归方程3、TensorFlow实战解决单线性回归问题人工数据集生成构建模型训练模型定义损失函数定义优化器创建会话迭代训练训练结果打印参数和预测值 4、完整代码demo 提到人工智能，绕不

jupyter用最小二乘法求解多元线性回归方程 jupyter用最小二乘法求解多元线性回归方程 jupyter用最小二乘法求解多元线性回归方程导入需要的数据文件编写程序遇到的问题及解决方法 导入需要的数据文件 首先将所需要的数据文件导入到jupyter中，就可以不用在程序里使用数据文件时加入路径。 打开jupyter，点击upload，选择你需要的文件，确定，点击上传