迴歸總覽

機器學習的常見用途，就是使用以類似歷史資料訓練的模型，預測新資料的數值指標值。舉例來說，您可能想預測房屋的預期售價。您可以將房屋的位置和特徵做為特徵，將這間房屋與已售出的類似房屋進行比較，並根據這些房屋的售價來估算房屋的售價。

您可以搭配使用下列任一模型和 ML.PREDICT 函式執行迴歸：

• 線性迴歸模型：將 MODEL_TYPE 選項設為 LINEAR_REG，即可使用線性迴歸。
• 增強型樹狀模型：將 MODEL_TYPE 選項設為 BOOSTED_TREE_REGRESSOR，即可使用梯度提升決策樹。
• 隨機樹系模型：將 MODEL_TYPE 選項設為 RANDOM_FOREST_REGRESSOR，即可使用隨機樹系。
• 深層類神經網路 (DNN) 模型：將 MODEL_TYPE 選項設為 DNN_REGRESSOR，即可使用神經網路。
• 廣度和深度模型：將 MODEL_TYPE 選項設為 DNN_LINEAR_COMBINED_REGRESSOR，即可使用廣度和深度學習。
• AutoML 模型：將 MODEL_TYPE 選項設為 AUTOML_REGRESSOR，即可使用 AutoML 分類模型。

建議的知識

只要使用 CREATE MODEL 陳述式和 ML.PREDICT 函式中的預設設定，即使沒有太多機器學習知識，也能建立及使用迴歸模型。不過，瞭解機器學習開發的基本知識，有助您最佳化資料和模型，進而獲得更優異的結果。建議您參考下列資源，熟悉機器學習技術和程序：

• 機器學習密集課程
• 機器學習簡介
• 中級機器學習