学习心得

线性回归刚开始以为只是套公式计算斜率和截距，实际操作后才发现核心是 “最小化误差”。通过梯度下降不断调整参数，让预测值和真实值的差距越来越小，这个过程就像慢慢校准瞄准的靶心。
实践中踩过不少坑：比如没做特征归一化导致模型收敛慢，忽略异常值让拟合直线跑偏，还有混淆了相关关系和因果关系。后来学会先分析数据分布，处理缺失值和异常值，再选择合适的特征，模型效果才明显提升。
线性回归虽然简单，但实用性极强，不管是预测销量、房价，还是分析变量间的影响程度都能用。它教会我：复杂模型未必更好，把基础模型的原理吃透、细节做好，才能真正解决问题，也为后续学习复杂模型打下了扎实的基础。