回归#

术语解释#

在机器学习（Machine Learning）中，回归（Regression）是一种核心的监督学习算法。其主要目的是通过分析已知的输入特征与输出标签，建立一个数学映射模型，从而对连续型数值进行预测（例如：预测明天的温度、房价或股票价格）

最经典的是线性回归，它假设目标变量与输入特征之间存在线性增长的关系，模型表示为 $\hat{y}=wx+b$

注意： 回归模型一般来讲是指对连续值进行预测的一类模型，而分类模型则是指对离散值（类标）预测的一类模型，但是由于历史的原因虽然逻辑回归被称为回归，但它却是一个分类模型，这算是一个例外。

出现动机#

• 自动化预测需求：现实中存在大量需要根据已知因素推算未知连续数值的场景，如根据面积预测房价、预测气温或预测城市交通流量。

• 寻找潜在相关性：为了在不需要显式编程的情况下，让计算机自动从海量数据中“学”出变量间的潜在数学规律

相关术语#

• 分类

• 回归

• 聚类