迴歸總覽
機器學習的常見用途是使用以類似歷來資料訓練的模型，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。你可以將房屋的位置和特徵做為特徵，與已售出的類似房屋進行比較，並根據這些房屋的售價估算房屋的售價。
您可以搭配使用下列任一模型與 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。 - 提升決策樹模型：
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，即可使用類神經網路。 - 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。
或者，您也可以使用 AI.PREDICT 函式，透過內建的 TabFM 模型執行迴歸。您可以使用 AI.EVALUATE 函式評估模型效能。
建議的知識
您可以使用 CREATE MODEL 陳述式和 ML.PREDICT 函式的預設設定，建立及使用迴歸模型，即使沒有太多機器學習知識也沒問題。不過，具備機器學習開發的基本知識，有助於您最佳化資料和模型，進而獲得更出色的結果。建議您使用下列資源，熟悉機器學習技術和程序：