线性回归方程是机器学习中常见的一种模型，用于预测因变量与自变量之间的线性关系。在该模型中，自变量通常表示为xi，表示第i个样本的自变量值。

线性回归方程的一般形式为y = β0 + β1x1 + β2x2 + ... + βpxp + ε，其中y为因变量，x1至xp为自变量，β为回归系数，ε为误差项。其中，自变量xi可以是连续的，也可以是离散的。

线性回归方程的求解可以使用最小二乘法，即通过最小化误差平方和来确定回归系数的值。具体来说，就是通过求解以下公式来确定回归系数的值：

β = (XTX)-1XTY

其中，X为自变量矩阵，Y为因变量向量，T表示转置，-1表示矩阵的逆。

通过求解上述公式，我们可以得到回归系数的值，从而得到线性回归方程。这个方程可以用来预测新的自变量值对应的因变量值，或者用来分析自变量与因变量之间的关系。

总之，线性回归方程公式中的xi表示第i个样本的自变量值，是通过最小二乘法求解回归系数来确定的。通过这个方程，我们可以进行预测和分析，从而在实际应用中发挥重要作用。