预测数值型数据：回归

主要有：线性回归、局部加权线性回归、岭回归和逐步线性回归。 1、用线性回归找到最佳拟合直线 优点：结果易于理解，计算不复杂 缺点：对非线性的数据拟合不好 使用数据类型：数值型和标称型数据 回归的目的是预测数值型的目标值。最直接的办法是依据输入写出一个目标值的计算公式。这就是所谓的回归方程。求回归系数的过程就是回归。 回归的一般方法： (1) 收集数据：任意方式 (2) 准备数据：回归需要数值型数据

>>阅读原文<<