文件名称：线性回归与回归树的比较研究-研究论文
文件大小：681KB
文件格式：PDF
更新时间：2024-06-08 09:45:46
Regression Classification and Regression Tree
在数据挖掘中，预测建模是一种用于在因变量与各种自变量或预测变量之间找到数学相关性的技术。 通常，线性回归描述多个自变量或预测变量与一个响应或因变量之间的相关性。 在机器学习中，当决策树用于分类目的时，CART模型将用于分类和回归目的，然后它指的是分类树；如果将决策树应用于回归，则它可能指的是回归树。 决策树也称为回归树。 在本文中，我们专注于线性回归和回归树的概念。 来自UCI（机器学习存储库）的数据集用于这项研究工作。 该研究的目的是区分从线性回归和回归树获得的结果。 最后，决策树比线性回归提供更好的结果，并且最终预测模型是在平方的最小均和上选择的。