一、線性回歸
線性回歸是一種通過找到優異擬合線來描述變量間關系的算法。它主要用于預測連續性變量，如房價、銷售量等。
二、邏輯回歸
邏輯回歸雖名為回歸，但通常用于分類任務。它通過Sigmoid函數來估計離散值，如是/否、成功/失敗等。
三、嶺回歸
嶺回歸是一種解決共線性問題的線性回歸技術，通過加入L2正則化項來減小模型復雜度。
四、套索回歸
套索回歸同樣用于解決共線性，但通過L1正則化來實現特征選擇，只保留重要特征。
五、彈性網絡
彈性網絡結合了L1和L2正則化，既實現特征選擇又減小模型復雜度。
六、多項式回歸
多項式回歸通過將特征轉換為多項式來擬合非線性關系，更靈活地表示數據關系。
七、支持向量回歸
支持向量回歸使用支持向量機原理來解決回歸問題，尋找優異擬合超平面。
八、決策樹回歸
決策樹回歸通過分割特征空間來擬合數據，易于理解和解釋。
常見問答：
1、線性回歸與邏輯回歸有何不同？
答：線性回歸用于預測連續變量，邏輯回歸用于分類任務。
2、正則化在回歸中的作用是什么？
答：正則化用于減小模型復雜度，避免過擬合，如嶺回歸中的L2正則化。
3、支持向量回歸與支持向量機有何關聯？
答：支持向量回歸使用支持向量機的原理來解決回歸問題，尋找優異擬合超平面。
京公網安備 11010802030320號