线性回归，在数学、统计学上的概念，主要是能够构成线性关系的一些数值，知道其中一部分数值，去预测未知的值。这里的线性是直线，不是曲线、抛物线，类似于xy坐标轴上，散点分布坐标点，通过一条直线表示趋势走向，不过这条线要尽可能与这些点接近。
线性回归的场景较多，比如身高体重、房价等。线性回归分为单变量、多变量。这个变量相当于特征。
线性回归的公式可以从单变量再到多变量去演变。
单变量公式：y = kx + b 其中x是特征值，y是目标值，k、b作为系数，数学上k是斜角，b是截距。
考虑多个特征值的情况，多变量是进一步将公式抽象化，这时k、b不是只有一个值。因此，构建线性回归公式时需要数据集选择足够合适的值计算出k、b。
在机器学习里，k称为权重weight，b称为偏置bios。