1.4 评估指标
1.5 赛题模型
在赛题分析中，很重要的一点就是要根据赛题的特点和目标明确问题的类型，并选择合适的模型。在机器学习中，根据问题类型的不同，常用的模型包括回归预测模型和分类预测模型。
1. 回归预测模型
回归预测模型的预测结果是一个连续值域上的任意值，回归可以具有实值或离散的输入变量。我们通常把多个输入变量的回归问题称为多元回归问题，输入变量按时间排序的回归问题称为时间序列预测问题。
图1-1-5 所示为回归预测模型的分析示例图。
图1-1-5 回归预测模型分析示例图
2. 分类预测模型
分类预测模型的分类问题要求将实例分为两个或多个类中的一个，并具有实值或离散的输入变量。其中，两个类别的问题通常被称为二类分类问题或二元分类问题，多于两个类别的问题通常被称为多类别分类问题。
图1-1-6 所示为分类预测模型的分析示例图。
图1-1-6 分类预测模型分析示例图
3. 解题思路
在本赛题中，需要根据提供的V0～V37 共38 个特征变量来预测蒸汽量的数值，其预测值为连续型数值变量，故此问题为回归预测求解。
回归预测模型使用的算法包括线性回归（Linear Regression）、岭回归（Ridge Regression）、LASSO（Least Absolute Shrinkage and Selection Operator）回归、决策树回归（Decision Tree Regressor）、梯度提升树回归（Gradient Boosting Decison Tree Regressor）。
在后面的模型训练中，我们将采用这些模型来预测目标值。
