课程总体目标

本课引导学生理解回归分析的基本含义，掌握线性回归和非线性回归的概念，能够区分回归与分类，了解回归算法从数据准备、特征工程、模型训练到评估优化的一般流程，能够用简单数据建立回归模型并分析模型性能。

具体学习目标

本课程共设置 6 项学习目标，涵盖知识理解、技能应用与科学探究三个维度。

1
理解回归

能说明回归分析的基本含义及其在机器学习中的地位。

目标
2
区分类型

能区分线性回归和非线性回归，区分回归与分类。

目标
3
掌握流程

能描述回归算法的一般流程和各环节作用。

目标
4
评估模型

能用 MSE、MAE、R² 等指标评估回归模型。

目标
5
防止过拟合

能理解过拟合与欠拟合，并提出解决方法。

目标
6
实践应用

能根据简单数据建立回归模型并解释结果。

目标

学习路径时间线

  • 1
    认知阶段

  • 2
    巩固阶段

  • 3
    练习阶段

完成后你将掌握

能说明回归与分类的区别，区分线性回归和非线性回归
能描述回归算法从数据准备到模型评估的完整流程
能用简单数据建立回归模型并评估其性能