我们进行多元线性回归的示例中，选择了总人口、工作人口、低教育人口、距市中心距离进行了回归建模，但是我们在进行建模之前会尽可能多的收集自变量，那么我们如何在非常多的自变量中选择自变量组合才能得到可靠并且精度最高的模型呢？
 
一、什么是探索性回归
      Geoscene Pro的普通最小二乘工具的六项检测确保了我们回归模型的可靠性，但是在自变量特别多的情况下我们要如何快速找

        通过上一篇文章我们可以看到使用Geoscene Pro中的普通最小二乘回归工具和我们自己计算的结果没有任何区别。但是Geoscene Pro中工具输出的内容是非常丰富的，包含一个报表和一个输出要素类，了解了输出的报表和要素类的内容，我们就掌握了Geoscene Pro中的普通最小二乘回归工具。
      输出的报表中最重要的是系数β向量，但是还包含其他内容，这些内容用于确认模型

      大多数的GIS分析任务关注于现象发生的位置，而回归分析关注于现象发生的原因。这个系列将对GIS中最常用的回归工具进行介绍，包括普通最小二乘回归，探索性回归分析，地理加权回归和多尺度地理加权回归，结合理论与实践帮助大家掌握GIS中的回归分析工具，了解基础的回归分析知识，并且深入学习GIS软件如何从地理的角度优化回归任务的。

       另外不同于大多数从机器学习的角度对回归分析进行讲