![cb46d2865a0fa94767f95b586e28490d.png](https://img-blog.csdnimg.cn/img_convert/cb46d2865a0fa94767f95b586e28490d.png)
朴素贝叶斯,决策树,支持向量机等都是属于离散型的监督分类,本文要讲的是连续型监督分类:回归(regression)
![b1a9d1685331c90ab8e7abfda53dd62d.png](https://img-blog.csdnimg.cn/img_convert/b1a9d1685331c90ab8e7abfda53dd62d.png)
其实回归太常见不过了,我们学过的一元一次方程,x作为自变量,y作为因变量,就是一个连续型的回归,例如下图的年龄和收入的关系
![2dbc5f3a4dd92094a9b8ebab30f0958e.png](https://img-blog.csdnimg.cn/img_convert/2dbc5f3a4dd92094a9b8ebab30f0958e.png)
连续还是离散
连续和离散这个概念也是非常简单的,离散变量指变量值可以按一定顺序一一列举,通常以整数位取值的变量。而连续则不可以,下面有个简单的图表可以让你更直观了解这个概念:
朴素贝叶斯,决策树,支持向量机等都是属于离散型的监督分类,本文要讲的是连续型监督分类:回归(regression)
其实回归太常见不过了,我们学过的一元一次方程,x作为自变量,y作为因变量,就是一个连续型的回归,例如下图的年龄和收入的关系
连续和离散这个概念也是非常简单的,离散变量指变量值可以按一定顺序一一列举,通常以整数位取值的变量。而连续则不可以,下面有个简单的图表可以让你更直观了解这个概念: