线性回归就是找变量之间的关系线，比如身高体重这种，数据点散乱但整体趋势明显，画条直线让每个点尽量靠近这条线。用得最多的场景是预测，比如销量和广告费挂钩，或者温度和用电量关联。

为什么选它？因为数据简单直观啊！比如50个样本量，相关系数0.85已经够用了，R²0.72说明解释力七成二。虽然样本量小点，但回归系数0.6和0.3这种数值，老板看了也懂。要是数据有拐点就别用，得换二次函数。像房价和面积这种，散点图看出抛物线趋势，回归线就画不准了。但日常小事用线性回归最省力，调参软件一跑就出结果，不像机器学习要整半天。