人工智能基础与应用 - 数据处理、建模与预测流程 7 基础模型之回归模型

7.1 学习目标

通过本章学习，读者应能够：

• 理解什么是回归模型及其适用场景
• 区分回归问题与分类问题
• 掌握线性回归模型的基本使用流程
• 使用 Python 训练并评估一个回归模型
• 能够对回归模型的预测结果进行合理解读

本章的目标是：
让读者真正"跑通"一个模型，并理解结果意味着什么。

---

7.2 什么是回归模型

在人工智能中，回归模型主要用于解决这样一类问题：

预测一个连续的数值结果。

例如：

• 预测每日步数
• 预测房价
• 预测销售额
• 预测能耗、费用或时间

只要预测目标是一个具体数值，通常就可以考虑使用回归模型。

---

7.3 回归模型与分类模型的区别

为了避免混淆，可以从"输出形式"来区分：

模型类型	输出结果
回归模型	连续数值
分类模型	类别或标签

例如：

• 预测"今天走了多少步" → 回归
• 判断"是否达成 8000 步目标" → 分类

---

7.4 线性回归模型的直观理解

7.4.1 不讲公式，讲直觉

线性回归模型尝试找到一条"最合适的线"，用来描述：

特征变化时，目标值如何变化。

例如：

• 运动时间增加，步数通常增加
• 房屋面积变大，价格通常更高

模型要做的，是找到这种关系的最佳近似表达。

---

7.4.2 一个生活化的类比

可以把线性回归理解为：

在一堆散点中，画一条"最符合整体趋势的直线"。

这条线不是穿过所有点，而是尽量整体误差最小。

---

7.5 回归模型的基本训练流程

无论数据来自哪个业务场景，回归模型的训练流程基本一致：

1. 准备特征和标签
2. 划分训练集和测试集
3. 创建模型
4. 训练模型
5. 预测与评估

下面通过一个完整示例来演示。

---

7.6 Python 示例：预测每日步数

示例场景

假设我们希望根据用户的基本情况，预测其每日步数。

---

7.6.1 准备示例数据

import pandas as pd

data = {
    'age': [25, 30, 45, 35, 50, 28, 40, 60],
    'exercise_minutes': [30, 20, 10, 40, 15, 25, 20, 5],
    'daily_steps': [8000, 6000, 3000, 10000, 4000, 7000, 5000, 2000]
}

df = pd.DataFrame(data)
print(df)

---

7.6.2 分离特征与标签

X = df[['age', 'exercise_minutes']]
y = df['daily_steps']

---

7.6.3 划分训练集和测试集

from sklearn.model_selection import train_test_split

X_train, X_test, y_train, y_test = train_test_split(
    X, y, test_size=0.25, random_state=42
)

---

7.6.4 创建并训练线性回归模型

from sklearn.linear_model import LinearRegression

model = LinearRegression()
model.fit(X_train, y_train)

---

7.6.5 进行预测

y_pred = model.predict(X_test)

print("真实值:", y_test.values)
print("预测值:", y_pred)

---

7.7 如何评估回归模型的效果（入门级）

7.7.1 使用模型自带的 score

train_score = model.score(X_train, y_train)
test_score = model.score(X_test, y_test)

print("训练集 R²:", train_score)
print("测试集 R²:", test_score)

R²（决定系数）的直观理解：

• 接近 1：拟合效果较好
• 接近 0：模型解释能力弱
• 为负数：模型几乎不可用

---

7.7.2 为什么要同时看训练集和测试集

• 训练集高、测试集低 → 可能过拟合
• 两者都低 → 可能欠拟合
• 两者接近 → 模型相对稳定

---

7.8 回归模型结果如何解读

7.8.1 预测值不是"绝对准确值"

回归模型给出的结果是：

基于历史数据的估计值，而不是精确答案。

因此：

• 应关注整体趋势
• 不应过度依赖单次预测

---

7.8.2 特征与结果的关系

在不深入数学的前提下，可以这样理解：

• 每个特征都会对预测结果产生影响
• 模型会综合这些影响给出最终结果

---

7.9 回归模型的适用与局限

7.9.1 适用场景

• 关系相对简单
• 数据量不大
• 需要可解释性

---

7.9.2 局限性

• 难以捕捉复杂非线性关系
• 对异常值较敏感

这也是后续需要学习更复杂模型的原因。

---

7.10 回归模型中的常见误区

7.10.1 用回归模型做分类问题

例如：

• 用回归模型预测"是否合格"
  这是不推荐的。

---

7.10.2 只看训练集效果

训练集分数高，并不代表模型可用。

---

7.10.3 忽略特征工程

回归模型对特征质量非常敏感。

---

7.11 本章小结

本章重点内容包括：

• 回归模型用于预测连续数值
• 线性回归是最基础、最常用的回归模型
• 模型训练遵循统一流程
• 回归结果需要结合评估指标解读

这些内容将为后续模型学习打下基础。

---

7.12 课后练习

一、判断题

1. 回归模型的预测结果是连续数值。
2. 线性回归模型只能用于非常小的数据集。
3. 回归模型的预测结果可以完全等同于真实值。

---

二、简答题

1. 回归模型适合解决哪类问题？
2. 为什么需要同时评估训练集和测试集的效果？

---

三、实践题（思考）

在"学生学习行为数据"中：

• 学习时长
• 作业完成次数
• 平时成绩
  如果目标是预测"期末考试成绩"，这是否是一个回归问题？请说明理由。

---

7.13 练习题参考答案

一、判断题答案

1. 正确
2. 错误
3. 错误

---

二、简答题参考要点

第 1 题：

• 预测结果为连续数值
• 常用于价格、数量、评分等问题

第 2 题：

• 判断模型是否过拟合
• 评估模型泛化能力

---

三、实践题参考答案

• 是回归问题
• 因为预测目标是一个具体数值（考试成绩）

---