回归模型有哪些
时间：2026-11-04 11:18:22来源：
回归模型是统计学和机器学习中用于预测连续数值的常用方法。常见的回归模型包括线性回归、多项式回归、岭回归、Lasso回归、弹性网络、逻辑回归、决策树回归、随机森林回归、梯度提升机（GBM）和XGBoost等。
以下是对这些模型的简要总结：
| 模型名称 | 特点 |
| 线性回归 | 假设变量间线性关系，简单易用 |
| 多项式回归 | 通过多项式拟合非线性关系 |
| 岭回归 | 引入L2正则化，防止过拟合 |
| Lasso回归 | 引入L1正则化，可进行特征选择 |
| 弹性网络 | 结合L1和L2正则化 |
| 逻辑回归 | 虽名为回归，实为分类模型 |
| 决策树回归 | 基于树结构进行预测 |
| 随机森林回归 | 多棵决策树的集成，稳定性强 |
| 梯度提升机 | 逐步优化误差，效果较好 |
| XGBoost | 高效、灵活，常用于竞赛和实战 |
以上模型适用于不同场景，选择时需结合数据特点和任务需求。
