回归分析是机器学习监督学习中的核心分支之一，它帮助我们理解变量间的依赖关系，并用于预测连续型数值输出。无论你是初学者还是进阶学习者，掌握回归的核心概念、常见问题及其评价指标都至关重要。下面，我们将围绕10个必知的回归问题和5个关键评价指标，展开一份清晰、实用的教程。

第一部分：回归分析10个关键问题

1、线性回归的假设是什么？

线性回归模型要有效运行，依赖于以下四个基本假设：

• 线性：自变量（x）与因变量（y）之间必须存在线性关系，即x的变化会按相同方向引起y的变化。
• 独立性：各特征之间应相互独立，也就是尽量不存在多重共线性。
• 正态性：残差（预测值与真实值的误差）需服从正态分布。
• 同方差性：在回归线周围，数据点的分散程度（方差）对于所有x值应保持一致。