關系說明，深度學習分成監督學習和非監督學習，監督學習分成分類和回歸。

先來了解什么是監督學習

首先我們應該明確什么是回歸問題。為了更好的理解回歸問題我們需要先了解其的所屬于的大類監督學習。

我們首先來看一下監督學習是怎么做的，監督學習并不是指人站在機器旁邊看機器做的對不對，而是下面的流程：
1.選擇一個適合目標任務的數學模型
2.先把一部分已知的“問題和答案”（訓練集）給機器去學習
3.機器總結出了自己的“方法論”
4.人類把"新的問題"（測試集）給機器，讓他去解答

這個過程中，其實就隱含了一個我們不太好注意到的要點，就是為我們其實是明確輸出的數據集是對應什么的例如我們可以清楚地給這個過程打各種標簽，所以是監督學習，有明確的標簽存在。

所以是否有標簽就是是否為監督學習的標記。例如：在聚類開始之前，我們是并不清楚有多少類的情況。

之后再來看什么是回歸分析

回歸（regression）是監督學習的一種，回歸分析的任務是通過訓練數據集D學習到一個模型T，使得模型T能夠盡量擬合訓練數據集D，并且對于新的輸入數據x，應用模型T能夠得到預測結果f(x)。

回歸與分類是監督學習的兩種形式，它們的區別在于回歸的預測值是一連續的實數，而分類的預測值是離散的類別數據。
或者說回歸問題的預測結果是連續的，比如說要預測某一天的氣溫，那預測出來24小時的溫度就是連續的，而分類問題通常用于給事物打上一個標簽，比如貓和狗的分類問題。

今天跟著莫煩Python學習搭建了一個簡單的回歸問題的神經網絡

實驗的結果如下圖所示，通過不斷訓練模型，最終可以看到紅色的曲線擬合數據集的結果，而且損失函數在不斷地減小，說明預測值和真實值的誤差在不斷地減小。漸漸的我們的得到的函數越來越接近實際情況。

《新程序員》：云原生和全面數字化實踐50位技術專家共同創作，文字、視頻、音頻交互閱讀

總結

以上是生活随笔為你收集整理的回归分析笔记（1）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。