线性回归中的'y'：实际目标变量值

'y' 在线性回归模型中代表实际观测到的目标变量（或因变量）的值。

在表达式 'y = Xβ + e' 中，

• 'y' 代表实际观测到的目标变量值。
• 'X' 是特征变量（或自变量）的矩阵。
• 'β' 是特征变量的系数（或权重）矩阵。
• 'e' 表示误差项（或噪声）。

通过将特征变量矩阵 'X' 与系数矩阵 'β' 相乘，并添加误差项 'e'，我们可以得出一个对目标变量 'y' 的预测值。这个预测值与实际观测到的目标变量 'y' 之间可能存在差异，误差项 'e' 表示了这种差异。

线性回归模型的目标是通过最小化预测值与实际观测值之间的差异来找到最优的系数矩阵 'β'。最常用的方法是最小二乘法，通过最小化残差平方和来估计最优系数。这样，模型可以预测目标变量 'y' 的值，并找到使预测值与实际观测值之间误差最小的系数。