根据映射关系的不同可以分为线性回归和()。

线性回归是指解释变量和被解释变量之间呈现线性关系。（ ） 线性映射:令V 和W分别是Rm和Rn 的子空间,并且T : V 7! W是一映射。称T为线性映射或线性变换,若对于v 2 V; w 2 W和所有标量c,映射T满足线性关系式T(v + w) = T(v) + T(w) (1.7)和T(cv) = cT (v) (1.8) 检验回归系数和回归方程的线性关系是否显著，正确的说法是( )。 通常线性回归分析预测是（）的预测方法，遇到非线性回归分析预测问题可以借助数学手段化为线性回归问题处理 简述回归分析和一元线性、多元线性回归的定义？ 一元非线性回归可以通过坐标变换化成线性回归问题来处理。 通常线性回归分析预测是最基本的预测方法，遇到非线性回归分析预测问题可以借助数学手段化为线性回归问题处理。 只含有一个解释变量的线性总体回归模型简称一元线性回归模型或: 简单线性回归模型|简单非线性回归模型|线性回归模型|非线性回归模型 一元线性回归中,相关系数为时,表明变量间无线性关系（） 回归分析只能用于线性关系的预测。（ ） 一元线性回归方程中，相关系数越接近1，表示线性关系越好（） 线性回归分析中的回归平方和是指（） 根据相关关系中自变量的不同，相关回归分析预测法可以分为（）、（）、（）等几种主要类型 线性回归分析模型的F检验是检验每个X和因变量Y之间的线性关系显著性。 简单线性回归中，若回归系数为正数，则相关系数也为正数。 通常（）是最基本的预测方法，遇到非线性回归分析预测问题可以借助数学手段化为线性回归问题处理。 固有空间线性的微分线性由什么表示 多元线性回归比一元线性回归多了什么步骤（） 多元线性回归模型中解释变量之间的关系可能表现为（ ） 在一元线性回归中，线性显著性检验和回归系数的检验是等价的。（ ）