线性回归是机器学习领域中最基础的算法之一，它可以用来预测一个变量与其他变量之间的关系。在线性回归中，我们通常需要求解一个方程，即 y = bx + c，其中 b 是斜率，c 是截距。

那么，我们是在什么时候学习到线性回归方程中的 b 公式呢？

在大多数情况下，学生们会在高中数学中学习到线性回归方程。在学习这个概念之前，我们需要先了解一些基本的数学知识，比如坐标系、直线方程、斜率和截距等等。这些知识都是线性回归方程的基础，我们必须熟练掌握它们，才能更好地理解线性回归方程。

在学习线性回归方程时，我们首先需要了解什么是最小二乘法。最小二乘法是一种用于拟合数据的常见方法，它可以帮助我们找到最佳拟合直线，从而得到线性回归方程中的 b 值。

当我们使用最小二乘法拟合数据时，我们首先需要确定一条直线，然后计算这条直线到所有数据点的距离之和。我们的目标是找到一条直线，使得这个距离之和最小。通过求导可以得到最小化距离之和的解析解，从而解出 b 公式。

总之，线性回归方程中的 b 公式是在高中数学中学习的，它是基于最小二乘法推导出来的。理解线性回归方程的基础知识对于未来的机器学习和数据分析工作非常重要，因此我们应该认真对待学习这个概念。