預測分析
迴歸問題是一種預測分析，旨在建立函數來預測一箇或多箇自變量（特徵）與因變量（目標變量）之間的關係。這種關係通常是數值型的，即輸出變量是連續的。迴歸問題的目標是預測一箇連續的輸出值，例如房價、股票價格、銷售額等。爲了解決迴歸問題，通常使用迴歸分析技術，如線性迴歸、多項式迴歸、決策樹迴歸等。
迴歸問題可以根據輸入變量的個數分爲一元迴歸和多元迴歸，也可以根據輸入變量和輸出變量之間關係的類型分爲線性迴歸和非線性迴歸。在機器學習中，迴歸問題與分類問題不同，分類問題的輸出變量是離散的，而迴歸問題的輸出變量是連續的。評估迴歸預測通常使用均方誤差等指標，而不是用於分類預測的準確度。
迴歸分析不僅限於線性模型，還可以包括非線性模型，其中自變量和因變量之間的關係可以用參數未知的函數來表示。在多元迴歸中，如果有多箇自變量，這些變量共同影響因變量的值。此外，迴歸分析可以應用於神經網絡，其中不需要使用softmax函數，而是直接對前一層進行累加操作。