回归是监督学习中的关键问题，涉及输入与输出变量的关系预测。通过函数拟合，选择模型以适应已知数据并预测未知数据。常见的损失函数是平方损失，常用最小二乘法求解。回归广泛应用于市场趋势预测、产品质量管理和投资风险分析等领域。例如，基于历史股票数据和影响因素学习回归模型，预测未来股价，但这是一个复杂的问题，因为影响股价的因素众多。
回归回归（regression） 是监督学习的另一个重要问题。
回归用于预测输入变量（自变量） 和输出变量（因变量） 之间的关系， 特别是当输入变量的值发生变化时， 输出变量的值随之发生的变化。
回归模型正是表示从输入变量到输出变量之间映射的函数。
回归问题的学习等价于函数拟合： 选择一条函数曲线使其很好地拟合已知数据且很好地预测未知数据（参照1.4.2节） 。
回归的过程
回归问题的分类回归问题按照输入变量的个数， 分为一元回归和多元回归；
按照输入变量和输出变量之间关系的类型即模型的类型， 分为线性回归和
非线性回归。
回归学习最常用的损失函数是平方损失函数，
在此情况下， 回归问题可以由著名的最小二乘法（le
最低0.47元/天 解锁文章
扫一扫
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
