回歸分析(Regression)通常用來預測數值資料，像是價格、溫度...等等。其中提升決策樹是使用多個決策樹來產生更好的預測模型，以下範例為使用提升決策樹迴歸分析預測汽車價格。

Regression 迴歸

位置：Machine Learning / Initialize Model / Regression

• Bayesian Linear Regression 貝葉斯線性迴歸
• Boosted Decision Tree Regression 提升決策樹迴歸
• Decision Forest Regression 決策森林迴歸
• Fast Forest Quantile Regression 快速樹系分量迴歸
• Linear Regression 線性迴歸
• Neural Network Regression 神經網路迴歸
• Ordinal Regression 順序變項迴歸
• Poisson Regression 卜瓦松迴歸

以提升決策樹迴歸預測汽車價格

1. 【Dataset】新增資料集：Automobile price data (Raw) 汽車價格資料集

2. 【Split Data】設定比例為 0.7：70% 訓練集、30% 測試集
   

3. 【Train Model】訓練模型：設定要預測的目標欄位：price 價格

4. 【Boosted Decision Tree Regression】選擇演算法：提升決策樹迴歸分析
   

5. 【Score Model】計分模型：執行預測
   

6. Score Model 計分模型的結果會顯示原價格，以及預估的價格
   

7. 【Evaluate Model】評估模型
   

8. Evaluate Model 評估結果為：

• Mean Absolute Error(平均絕對誤差) = 1614.050916

• Root Mean Squared Error(均方根誤差) = 2482.66247

• Relative Absolute Error(相對絕對誤差) = 0.293482

• Relative Squared Error(相對平方誤差) = 0.133312

• Coefficient of Determination(決定係數) = 0.866688