＝ラベルの予測において、2次元以上の特徴量がそれぞれ、どの程度、影響を与えているかを測定する手法のこと。

単回帰分析は、特徴量は1次元で、特徴量とラベルの間に「直線的な関係（線形）」が前提となっている。

重回帰分析のように特徴量が2次元となってもこの前提は変わらない。

説明変数が2つの場合、平面となる。

最適の場所を探すため、コスト（残差）の二乗和を最小化することは、特徴量が何次元になっても同じである。