回归

回归方法是对数值型连续随机变量进行预测和建模的监督学习算法。其特点是标注的数据集具有数值型的目标变量。

常用的回归方法包括

• 线性回归：使用超平面拟合数据集
• 最近邻算法：通过搜寻最相似的训练样本来预测新样本的值
• 决策树和回归树：将数据集分割为不同分支而实现分层学习
• 集成方法：组合多个弱学习算法构造一种强学习算法，如随机森林（RF）和梯度提升树（GBM）等
• 深度学习：使用多层神经网络学习复杂模型