机器学习——回归

初谈回归，我们不禁要回忆到数理统计中学到的回归概念，“https://baike.baidu.com/item/%E5%9B%9E%E5%BD%92/10412815?fr=aladdin”这是百度百科给出的对于回归的一些概念。

在机器学习算法中，回归是所有算法中最先涉及和学习的，回归分为单变量线性回归和多变量回归，也即是之前数学中学到的一元回归和多元回归。机器学习中所涉及的回归一般是线性回归。线性回归需要一个线性模型，属于监督学习，因此方法和监督学习应该是一样的，先给定一个训练集，根据这个训练集学习出一个线性函数，然后测试这个函数是否足够拟合训练集数据，然后挑选出最好的线性函数。

回归分析的分类：

1.线性回归分析

一元线性回归

多元线性回归

2.非线性回归分析

逻辑回归

神经网络

回归分析的步骤：

1.根据预测目标，确定自变量与因变量；

2.绘制散点图，确定回归分析模型；

3.估计模型参数，建立回归模型；

4.对回归模型进行检验；

5.利用回归模型进行预测。

下面主要探讨线性回归。

在进行线性回归模型的建立时，我们需要首先判断给出的数据集是否适合做回归。一般可以使用散点图做出初步判断，看散点的分布是