回归算法 regression-algorithms

本文档概述了各种回归算法，重点介绍了它们的配置、关键参数以及在高级统计模型中的实际使用。 利用回归算法对因变量与自变量之间的关系进行建模，根据观测数据预测连续结果。 每个部分都包含参数描述和示例代码，以帮助您为诸如线性、随机林和生存回归等任务实施和优化这些算法。

Decision Tree回归 decision-tree-regression

Decision Tree学习是一种用于统计、数据挖掘和机器学习的监督学习方法。 该方法使用分类决策树或回归决策树作为预测模型，对一组观测值做出结论。

参数

下表概述了用于配置和优化决策树模型性能的关键参数。

示例

CREATE MODEL modelname OPTIONS(
  type = 'decision_tree_regression'
) AS
  SELECT col1, col2, col3 FROM training-dataset

Factorization Machines回归 factorization-machines-regression

Factorization Machines是一个支持正常梯度下降和AdamW求解器的回归学习算法。 算法基于S. Rendle (2010)的论文“Factorization Machines”。

参数

下表概述了用于配置和优化Factorization Machines回归性能的关键参数。

示例

CREATE MODEL modelname OPTIONS(
  type = 'factorization_machines_regression'
) AS
  SELECT col1, col2, col3 FROM training-dataset

Generalized Linear回归 generalized-linear-regression

与线性回归(假设结果遵循正态（高斯）分布)不同，Generalized Linear模型(GLM)允许结果遵循不同类型的分布，如Poisson或二项式，具体取决于数据的性质。

参数

下表概述了用于配置和优化Generalized Linear回归性能的关键参数。

示例

CREATE MODEL modelname OPTIONS(
  type = 'generalized_linear_reg'
) AS
  SELECT col1, col2, col3 FROM training-dataset

Gradient Boosted Tree回归 gradient-boosted-tree-regression

梯度提升树(GBTs)是一种有效的分类和回归方法，它将多决策树的预测结合起来，以提高预测精度和模型性能。

参数

下表概述了用于配置和优化Gradient Boosted Tree回归性能的关键参数。

示例

CREATE MODEL modelname OPTIONS(
  type = 'gradient_boosted_tree_regression'
) AS
  SELECT col1, col2, col3 FROM training-dataset

Isotonic回归 isotonic-regression

Isotonic Regression是一种算法，用于迭代调整距离，同时保留数据中的相对不相似顺序。

参数

下表概述了用于配置和优化Isotonic Regression性能的关键参数。

示例

CREATE MODEL modelname OPTIONS(
  type = 'isotonic_regression'
) AS
  SELECT col1, col2, col3 FROM training-dataset

Linear回归 linear-regression

Linear Regression是一种监督机器学习算法，它将线性方程式拟合到数据，以便对依赖变量和独立特征之间的关系建模。

参数

下表概述了用于配置和优化Linear Regression性能的关键参数。

示例

CREATE MODEL modelname OPTIONS(
  type = 'linear_reg'
) AS
  SELECT col1, col2, col3 FROM training-dataset

Random Forest Regression random-forest-regression

Random Forest Regression是一种集成算法，用于在训练期间构建多个决策树，并返回这些决策树用于回归任务的平均预测，有助于防止过度拟合。

参数

下表概述了用于配置和优化Random Forest Regression性能的关键参数。

示例

CREATE MODEL modelname OPTIONS(
  type = 'random_forest_regression'
) AS
  SELECT col1, col2, col3 FROM training-dataset

Survival Regression survival-regression

Survival Regression用于根据Weibull distribution拟合参数存活率回归模型，称为Accelerated Failure Time (AFT)模型。 它可以将实例栈叠到块中以提高性能。

参数

下表概述了用于配置和优化Survival Regression性能的关键参数。

示例

CREATE MODEL modelname OPTIONS(
  type = 'survival_regression'
) AS
  SELECT col1, col2, col3 FROM training-dataset

后续步骤

阅读本文档后，您现在知道如何配置和使用各种回归算法。 接下来，请参阅有关分类和群集的文档，了解其他类型的高级统计模型。