线性回归重修课：从“调包侠”到“统计学家”-平芜编程栈

在数据科学界，有一个怪圈：新人都在卷 XGBoost 和 Transformer，试图用复杂的黑盒模型榨干最后 0.01% 的精度；而真正的资深专家，却往往在重新审视线性回归 (Linear Regression)。

为什么？因为在很多业务场景下，可解释性 (Interpretability)和稳定性 (Stability)远比单纯的预测精度重要。当你需要向业务方解释“为什么预测销量会跌”或者“哪个特征最关键”时，线性回归依然是拥有上帝视角的工具。

但这就带来了一个更深层的问题：你真的懂线性回归吗？你构建的交互项是否科学？你训练出的系数是真实存在的规律，还是数据噪音的产物？

这篇文章我们将剥离具体的业务场景，回归统计学本质，重修这门数据科学的“必修课”。

简单线性回归：y=β0+β1x+ϵy = \beta_0 + \beta_1 x + \epsilony=β0+β1x+ϵ
多元线性回归：y=β0+β1x1+⋯+βnxn+ϵy = \beta_0 + \beta_1 x_1 + \dots + \beta_n x_n + \epsilony=β0+β1x1+⋯+βnxn+ϵ

在多元回归中，βi\beta_iβi的含义是：在保持其他所有变量不变的情况下，xix_ixi每增加一个单位，yyy的平均变化量。
这就是线性回归最强大的能力——控制变量 (Control Variates)。它能帮我们在杂乱的数据中，剥离出某个特定特征对结果的“净影响”。

机器读不懂“北京/上海/广州”。

做法：将一个有kkk个级别的类别变量，拆解为kkk（或k−1k-1k−1，避开完全共线性）个 0/1 二元变量。
警示：严禁使用 Label Encoding（即把北京编为 1，上海编为 2）。因为回归模型是基于距离计算的，它会从数学上认为“上海 = 2 倍的北京”，这是严重的逻辑谬误。

很多分析师认为线性回归只能处理线性关系，这是大错特错。通过引入交互项，我们可以捕捉变量间的协同效应。

公式：
y=β0+β1x1+β2x2+β3(x1×x2)+ϵy = \beta_0 + \beta_1 x_1 + \beta_2 x_2 + \beta_3 (x_1 \times x_2) + \epsilony=β0+β1x1+β2x2+β3(x1×x2)+ϵ
深度解读：
- β3\beta_3β3(交互系数) 代表了x1x_1x1对yyy的影响程度，会随着x2x_2x2的变化而变化。
- 例子：预测房价。x1x_1x1是面积，x2x_2x2是是否学区房。
- 如果β3\beta_3β3显著为正，说明：面积越大，学区房的溢价效应越明显（即“大面积”和“学区”产生了 1+1>2 的效果）。
- 忽略交互项，往往是模型欠拟合的根源。

如果这三条假设被打破，你的PPP值、置信区间和系数估计就是废纸。

定义：自变量之间不应存在高度相关性（如x1x_1x1和x2x_2x2相关系数 0.99）。
后果：
- 方差膨胀：系数估计变得极不稳定。
- 符号翻转：数据的一个微小扰动，可能导致正系数变成负系数（例如本来“降价”应该提升“销量”，结果算出来系数是负的）。
诊断：计算VIF (Variance Inflation Factor)。通常 VIF > 5 或 10 需警惕。

做完回归，很多人只看R2R^2R2或PPP值。但资深分析师会问：“如果我换一份合理的训练样本，这个模型的系数β\betaβ还会显著吗？”

我们真正关心的是：模型对训练数据的采样有多敏感？为了回答这个问题，我们需要重采样技术。

重复 K 折 (Repeated K-fold CV)：
- 做法：做NNN次不同随机种子的 K 折。最终得到N×KN \times KN×K个模型结果。
- 优势：相比单次 K 折，它平滑了“切分随机性”，能更稳健地估计“在不同切分下模型的平均表现与波动”。
训练集 Bootstrap：
- 做法：对训练集进行BBB次有放回重采样，训练BBB个模型，在固定 Test 集上预测。
- 价值：这是直接观察预测分布的最佳手段。如果某类样本的预测方差极大，说明回归模型没“看懂”这类数据，或者该区域数据稀疏。

工程中常见一种做法：

错误做法：做一次 K 折，得到 K 个模型。用这 K 个模型预测同一个外层 Test 集，计算 K 个预测值的方差。

结论：这会系统性低估真实波动。因为这 K 个模型的训练集共享了大部分数据，导致模型高度相关。你看到的“稳定”，可能只是因为它们“死记硬背”了同一批数据。

当 OLS（普通最小二乘法）因为共线性或过拟合失效时，我们需要引入“惩罚项”来约束系数。

高偏差：模型太简单（欠拟合）。
高方差：模型太复杂（过拟合），对训练集噪声过度敏感。
评估指标：请看调整后的R2R^2R2(Adjusted R-squared)。普通的R2R^2R2只要加变量就会涨，而 AdjustedR2R^2R2会惩罚无用的变量，是模型选择的金标准。

Lasso 回归 (L1)：min⁡(SSE+λ∑∣βj∣)\min (SSE + \lambda \sum |\beta_j|)min(SSE+λ∑∣βj∣)
- 杀手锏：能把系数压缩到0。
- 用途：特征选择。如果你有 100 个特征只想留 10 个最关键的，用 Lasso。
Ridge 回归 (L2)：min⁡(SSE+λ∑βj2)\min (SSE + \lambda \sum \beta_j^2)min(SSE+λ∑βj2)
- 杀手锏：把系数压小，但不为 0。
- 用途：解决共线性。当x1,x2x_1, x_2x1,x2高度相关时，Ridge 能让它们的系数平摊，不再神仙打架，大幅提升模型稳定性。