回归的概念
http://book.2cto.com/201210/5831.html
《数据挖掘:概念与技术》1.4.3用于预测分析的分类与回归
http://www.zhihu.com/question/21329754/answer/18004852
分类是离散变量预测,回归是连续变量预测。
数据挖掘:概念与技术(中文第三版)PDF
http://vdisk.weibo.com/s/zDFQH9cZskXOL
超级详细的各种回归概念
http://xgli0910.blog.163.com/blog/static/469621682013101211712163/
k-NN regression (wiki)
http://en.wikipedia.org/wiki/K-nearest_neighbors_algorithm#k-NN_regression
http://zh.wikipedia.org/wiki/%E6%9C%80%E8%BF%91%E9%84%B0%E5%B1%85%E6%B3%95
在k-NN回归中,k-NN算法用于估计连续变量。一个这样的算法使用一个K近邻加权平均,通过它们的距离的倒数来加权。该算法的工作原理如下:
【1】计算从查询实例到标记示例的欧式或马氏距离。
【2】按距离从小到大来排列标记实例。
【3】基于RMSE,启发式地找到一个最优近邻数k。这是通过使用交叉验证完成的。
【4】计算k个最近邻居的距离倒数加权平均。
========反距离加权插值========
“反距离加权插值”也叫“距离倒数乘方法”。
相似度计算方法(欧氏距离、标准欧氏距离 )
http://wenku.baidu.com/view/ebde5d0e763231126edb1113.html
反距离加权插值方法研究
http://wenku.baidu.com/view/ae6a4a3131126edb6f1a1060.html
Inverse Distance Weighting 距离倒数加权 (wiki)
http://en.wikipedia.org/wiki/Inverse_distance_weighting
Inverse Distance Weighted Interpolation
https://www.ems-i.com/smshelp/Data_Module/Interpolation/Inverse_Distance_Weighted.htm
Interpolation: Inverse Distance Weighting
http://www.ncgia.ucsb.edu/pubs/spherekit/inverse.html
Inverse Distance Weighting matlab代码
加权平均 (百度百科)
http://baike.baidu.com/view/588491.htm
=========================================
k-NN回归
http://www.saedsayad.com/k_nearest_neighbors_reg.htm
用Orange自带的k-NN回归做实验
http://www.saedsayad.com/knn_reg_exercise.htm
matlab多元线性回归
http://wenku.baidu.com/view/139ec687b9d528ea81c779dd.html
http://wenku.baidu.com/view/03a7264d2b160b4e767fcffc.html
UCI回归数据集
http://archive.ics.uci.edu/ml/datasets/Wine+Quality
最后一列为因变量,其余列为自变量。
http://archive.ics.uci.edu/ml/datasets/Forest+Fires
========其他机器学习回归方法========
逻辑回归