代码可以参考之前的博客：
https://blog.csdn.net/fanzonghao/article/details/85643653
https://blog.csdn.net/fanzonghao/article/details/81637669
声明：文中的图来自于可汗学院公开课，若有侵权，联系我删除。
线性回归：二维坐标上有n个点，存在一条直线y=mx+b,其中误差error(1)=y1-(mx1+b),,,error(n)=y(n)-(mx(n)+b)，直线的平方误差SE(line)=error1^2+...+error(n)^2，求相应的m、b的值使SE最小。
决定系数：
描述的是X波动对Y波动的影响度。
决定系数 R平方 = 1 - SE line （Y对于回归线距离的平方和）/ SE Y均 （Y对于 Y平均值距离的平方和）。
当R平方接近于1时，说明直线拟合的很好。
协方差：covariance 两随机变量离各自均值之积的期望值。
cov(x,y)=E[(x-E[x])(y-E[y])] 上述展开化简可得 E（xy）-E（x）*E(y)
线性回归的斜率m=COV(X,Y)/COV(X,X)
卡方分布：即从标准正态分布：X~N(0,1)中随机抽样，对每个抽样的随机变量平方。所有随机取一个随机变量平方的，服从自由度为１卡方分布；随机取２个随机变量平方的，服从自由度为2的卡方分布。
方差分析：
自由度等于m*n-1
总方差=组内方差+组间方差，自由度也是两者的相加。
相关性与因果性：
相关性是指两个或多个事物同时发生，具有关联；因果性是指因为A所以B，两者具有明显的差异。
归纳推理：寻找规律或趋势然后推广，也就是用已有信息进行趋势外推；
演绎推理：则是从一些数据或事实出发。
不同点：归纳推理在推广时，并不确定趋势是否会继续，只是假设它会继续。演绎推理是从事实出发得到其他事实。
