终于知道如何选择正确的机器学习回归技术了！

文章预览

回归任务可以通过多种方式来解决，也正是因为方法太多，如何选择正确且合适的方法也就变得尤为重要了！ 事实上，每个数据集都应该根据其特定的数据属性和我们想要达到的具体要求，采用特定的算法来解决。 今天这篇文章将帮助大家根据以下因素选择最适合的回归任务： 数据集的线性/多项式线性关系 数据集的复杂性 数据集的维度（列数） 是否需要概率输出 我们将主要关注传统的机器学习方法（不包括神经网络），因为我们主要聚焦于小型合成数据集。 回归分类法 以下是一个关于回归任务的“经验法则”分类法： 用文字表示： X与y之间的关系是线性的还是多项式的？ 如果是： 预测因子k的数量是否较少？（这里的k指的是预测因子的数量） 是： 使用线性/多项式回归。 否：使用主成分回归器。 如果不是线性或多项式关系： 是否需要概 ………………………………