常见的七种回归技术

介绍

根据受欢迎程度，线性回归和逻辑回归经常是我们做预测模型时，且第一个学习的算法。但是如果认为回归就两个算法，就大错特错了。事实上我们有许多类型的回归方法可以去建模。每一个算法都有其重要性和特殊性。

内容

1. 什么是回归分析？
2. 我们为什么要使用回归分析？
3. 回归有哪些类型 ？
   
   • 线性回归
   • 逻辑回归
   • 多项式回归
   • 逐步回归
   • 岭回归
   • Lasso回归
   • ElasticNet回归
4. 如何去选择回归模型？

什么是回归分析？

回归分析是研究自变量和因变量之间关系的一种预测模型技术。这些技术应用于预测，时间序列模型和找到变量之间关系。例如可以通过回归去研究超速与交通事故发生次数的关系。

我们为什么要用回归分析？

这里有一些使用回归分析的好处：

• 它指示出自变量与因变量之间的显著关系
• 它指示出多个自变量对因变量的影响

回归分析允许我们比较不同尺度的变量，例如：价格改变的影响和宣传活动的次数。这些好处可以帮助市场研究者／数据分析师去除和评价用于建立预测模型里面的变量。

回归有哪些类型？

我们有很多种回归方法用预测。这些技术可通过三种方法分类：自变量的个数、因变量的类型和回归线的形状。

1.线性回归

线性回归可谓是世界上最知名的建模方法之一，也是应该是我们第一个接触的模型。在模型中，因变量是连续型的，自变量可