Как работает линейная регрессия?

Linear Regression — y = w₁x₁ + w₂x₂ + ... + b. Находит коэффициенты (weights), минимизируя MSE (Mean Squared Error). Аналитическое решение: Normal Equation (X^T X)^(-1) X^T y. Или градиентный спуск. from sklearn.linear_model import LinearRegression; model.fit(X, y); model.predict(X_new). coef_ — веса, intercept_ — свободный член. Предположения: линейная связь, нормальность остатков, гомоскедастичность, независимость наблюдений. R² — доля объяснённой дисперсии. Просто, интерпретируемо, быстро, но ловит только линейные зависимости.