知识卡片

普通读书笔记卡 · 9440.c · 生成模型:Tencent Hunyuan Hy

回归:连续值预测

理解等级:初级

回归是最典型的预测任务:给定输入数据的属性值(特征),找出规律来预测一个新的连续数值。可以把它理解为在二维平面上先由若干已知点拟合出一条函数曲线,再用这条曲线估计下一个点的位置。它适合输出是连续量的场景,例如用历史保费预测新投保人的索赔金额、用股票历史数据预测未来价格、用已知客户数据评估放贷额度。常见算法有线性回归、逻辑回归、多项式回归、岭回归等。需要留意边界:回归要求特征与输出之间确实存在可拟合的关系,若强行用线性函数拟合本质非线性的数据,或样本量过小,预测就会失真。产品经理要明白,回归给出的是数值估计而非确定结论,应把它当作决策参考。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 机器学习入门 1.2.2 机器学习可解决的问题 · 查看原书依据

      回归任务是机器学习最典型的应用场景,是一种预测场景。在这类任务中,计算机程序会通过输入数据的属性值(特征)找出规律来预测新的输出数值。就像是在二维平面中根据一些连续的点构建出一个函数方程,然后通过方程画出下一个点的位置。

    参考来源

    - 位置:《产品经理进阶:100个案例搞懂人工智能 (林中翘)》第1章《机器学习入门》(源文件:`../../book-sources/extracted/产品经理进阶:100个案例搞懂人工智能 (林中翘)/_epub-src/OEBPS/text00006.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292) - 结论依据:1.2.2 段定义回归为通过连续值构建模型的任务,并用保费、股价、放贷额度的例子说明其预测连续数值的用途,支撑本卡结论。 - 原始内容:回归任务是机器学习最典型的应用场景,是一种预测场景。在这类任务中,计算机程序会通过输入数据的属性值(特征)找出规律来预测新的输出数值。就像是在二维平面中根据一些连续的点构建出一个函数方程,然后通过方程画出下一个点的位置。