【机器学习理论基础】回归模型定义和分类
定义
回归分析是研究自变量与因变量之间数量变化关系的一种分析方法，它主要是通过因变量 Y Y Y与影响它的自变量 X i X_i Xi 之间的回归模型，衡量自变量 X i X_i Xi 对因变量 Y Y Y 的影响能力的，进而可以用来预测因变量Y的发展趋势。
分类
回归分析可以根据不同的分类标准进行分类，主要包括以下几种类型:
机器学习中主流回归算法
在机器学习领域，有许多不同类型的回归算法，每种算法都有其独特的优点和适用场景。主流回归算法主要有如下几种：
- 线性回归
- Lasso回归
- 岭回归
- 多项式回归
- 决策树回归
- 随机森林回归
- 支持向量机回归
- k近邻回归
- 梯度提升回归
- 神经网络回归
这些主流算法会在后面文章中一一介绍。
原文地址：https://blog.csdn.net/u011026329/article/details/140325234
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！