Что такое линейная регрессия и какие у неё ключевые предпосылки (assumptions)?

Линейная регрессия моделирует целевую переменную как линейную комбинацию признаков: y = w·X + b. Параметры подбираются минимизацией MSE через normal equation (w = (XᵀX)⁻¹Xᵀy) или gradient descent. Главные предпосылки: линейность связи, независимость наблюдений, гомоскедастичность остатков, нормальность ошибок, отсутствие мультиколлинеарности.