回归

R 和 Python 中的回归分析。

回归是研究变量 y 对另一个变量 x 的依赖性的方法。该分析方法基于以下事实：所研究的变量可以使用依赖于另一个受控变量值的函数来描述。换句话说，知道了X的值，就可以相当准确地预测出对应的y值。回归分析有两种方法：两两线性回归和多重相关。

在本文中，我们将讨论如何在流行的编程语言“R”和“Python”中执行回归。还

回归测试是使用数学模型搜索函数内部错误（bug）的过程，无论选择的输入参数如何，该数学模型都将预测程序的功能。这种类型的测试非常准确。数学预测理论用于发现代码中的缺陷。

回归分析是数学的一个分支。它基于对变量之间线性相关性的研究——一个变量的变化会影响另一个变量。线性相关性由 y = ax + b 形式的方程表示。系数a和b由最小二乘法确定并表示测试模型的误差性能。使用最小二乘法不仅可以找到回归线本身，还可以找到位于其下方的所有“容易出现偏差”的点。这允许您创建需要首先实施新测试的危险数据点列表。

回归算法的本质是利用优化技术和测试参数不断增加可重复测试的数量。该算法的目的是根据生成的测试计划持续评估生成的样本数量。这一切都可以用公式来表达：

n(i+1) = n(i) + ln(误差/n)/db(l)

J 函数描述数字