回归概览

机器学习的一个常见用例是，使用基于类似历史数据训练的模型来预测新数据的数值指标的值。例如，您可能希望预测房屋的预期销售价格。通过将房屋的位置和特征用作特征，您可以将这栋房屋与已售出的类似房屋进行比较，并根据它们的销售价格估算这栋房屋的销售价格。

您可以将以下任一模型与 ML.PREDICT 函数结合使用来执行回归：

• 线性回归模型：将 MODEL_TYPE 选项设置为 LINEAR_REG，以使用线性回归。
• 提升树模型：将 MODEL_TYPE 选项设置为 BOOSTED_TREE_REGRESSOR，以使用梯度提升决策树。
• 随机森林模型：通过将 MODEL_TYPE 选项设置为 RANDOM_FOREST_REGRESSOR 来使用随机森林。
• 深度神经网络 (DNN) 模型：通过将 MODEL_TYPE 选项设置为 DNN_REGRESSOR 来使用神经网络。
• Wide & Deep 模型：将 MODEL_TYPE 选项设为 DNN_LINEAR_COMBINED_REGRESSOR，即可使用宽广和深度学习。
• AutoML 模型：将 MODEL_TYPE 选项设为 AUTOML_REGRESSOR，以使用 AutoML 分类模型。

推荐的知识

通过使用 CREATE MODEL 语句和 ML.PREDICT 函数中的默认设置，即使您没有太多机器学习方面的知识，也可以创建和使用回归模型。不过，掌握机器学习开发方面的基本知识有助于您优化数据和模型，从而取得更好的成效。我们建议您使用以下资源熟悉机器学习技术和流程：

• 机器学习速成课程
• 机器学习简介
• 中级机器学习