概述

回归是统计学中最有力的工具之一. 机器学习监督学习算法分类算法和回归算法两种. 其实就是根据类别标签分类型为离散型, 连续性而定义的. 回归算法用于连续型分布预测, 针对的是数值型的样本, 使用回归, 可以在给定输入的时候预测出一个数值. 这是对分类方法的提升, 因为这样可以预测连续数据而不仅仅是离散的类别标签.

回归分析中, 只包括一个自变量和一个因变量. 且二者的关系可以用一条直线近似表示, 这种回归分析称为一元线性回归分析. 如果回归分析中包括两个以上的自变量, 且因变量和自变量之间是线性关系, 则称为多元线性回归分析. 那么什么是线性关系和非线性关系?

比如说在房价上, 房子的面积和房子的价格有着明显的关系. 那么 x=房价大小, Y=房价, 那么在坐标系中可以看到这些点:

那么通过一条直线把这个关系描述出来, 叫线性关系.

如果是一条曲线, 那么叫非线性关系.

那么回归的目的就是建立一个回归方程 (函数) 用来预测目标值, 回归的求解就是求这个回归方程的回归系数.

文章来源: iamarookie.blog.csdn.net，作者：我是小白呀，版权归原作者所有，如需转载，请联系作者。

原文链接：iamarookie.blog.csdn.net/article/details/111158924