1.1分类（classification）

1.1 分类（classification）

1.1.1线性回归（Linear Regression）

线性回归是利用被称为线性回归方程的最小平方函数对一个或多个自变量和因变量之间的关系进行建模的一种回归分析。这种函数式一个或多个被称为回归系数的模型参数的线性组合。

在回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析被称为一元回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则被称为多元线性回归分析。

简而言之，就是对于数据中一维至多维的点求得一个最佳拟合的线性方程。

注：（求多维拟合线性方程）

1.1.2 逻辑回归（Logistic Regression）

逻辑回归本质上是线性回归，只是在特征到结果的映射中加入了一层函数映射，即先把特征线性求和，然后使用函数g(z)进行计算（该函数称为Logistic函数或Sigmoid函数）。函数g(z)可将连续值映射到从0到1上。

逻辑回归于线性回归的不同点在于：将线性回归的输出范围从负无穷到正无穷压缩到从0到1之间。

注：函数g(z) = 1/(1+e^(-z))。