什么是真正的预测未来？
就是根据当下数据的发展你来找到未来的发展趋势。
当下的数据可以以点的方式写在坐标轴上，如果最后一堆点形成了一个直线的大致分布，那之后的数据也基本上在这直线上。
这个想一想也觉得很简单，可问题是，这些点依旧是一个分布，而不在一个直线上。
就需要求一个直线，尽量的与这样的相关符合。
很简单的想法是，画上去的这个直线尽量在这群点的中心轴上，点在轴的两遍对称分布。
计算的话，就是尽量让所有的点离这个直线距离的和达到最短。
之后，如果预测以后的事情，那这个点几乎就会在这个直线上，最此也不会里这个直线太远。
贝叶斯线性回归是使用统计学中贝叶斯推断方法求解的线性回归模型。
贝叶斯线性回归将线性模型的参数视为随机变量，并通过模型参数，也就是权重系数的先验计算其后验。
贝叶斯线性回归可以使用数值方法求解，在一定条件下，也可得到解析型式的后验或其有关统计量。
贝叶斯线性回归具有贝叶斯统计模型的基本性质，可以求解权重系数的概率密度函数，进行在线学习以及基于贝叶斯因子的模型假设检验。
请关闭浏览器阅读模式后查看本章节，否则将出现无法翻页或章节内容丢失等现象。