- 外推（extrapolation）：假设我们只能获取 2001 年到 2012 年的有限数据，并且我们想要预测 2013 年到 2018 年的大学毕业生人数。
可以看出，具有硕士学位的大学毕业生数量几乎与年份呈线性增长。 因此，将一条线拟合到数据集中是有意义的。 用这12个点拟合一条线，然后在未来6个点上测试这条线的预测，可以看出预测非常接近。
用数学语言定义回归分析，就是用指定的数据点在一定的损失函数约束下估计某个函数的参数：
现在我们来谈谈进行回归的不同方法。 根据函数族 (f_beta) 和使用的损失函数 (l)，我们可以将回归分为以下几类。
- 线性回归
- 多项式回归
- 岭回归
- Lasso回归
- ElasticNet回归
- 贝叶斯回归
- 逻辑回归
在线性回归中，目标是通过最小化每个数据点的均方误差之和来拟合超平面（二维数据点的线）。
从数学上来说，线性回归解决了以下问题：
