選模型並非最重要

為什麼我們要以迴歸分析的方式來建立模型，其他方式可不可以？其實沒有說不行。

然而迴歸(Regression)是ML入門相對好理解的手段或方法，也不是這個方法的品質和效果就一定比較差，模型的好壞取決於來源的資料和模型的細節，尤其資料的重要程度，遠遠大於其他因素。

好的資料，假設在某個模型做出來，我們給它評價是80分，換成別的模型或方法去做，大概可能到85分，品質的好壞相差有限，要更好所需投入成本可能卻是指數成長。

但若好的資料，假設做出很差的資料，那絕大的可能是模型弄的部分不好，用到比較適用的函式出來的效果，可能就會大幅躍升。

重點在於資料的品質，太差的資料，即使改用類神經演算法(Deeping learning)去訓練模型，同樣難以取得可期待的結果。

我們先關心資料，再關心模型。

然而還是得稍微了解一下，模型的內容在做什麼，以及訓練出的結果代表的意思，以便知道該調整的是資料還是模型。

迴歸分析的意義

若把資料集轉換成一個平面座標，用「點」表示它們分佈的位置，假設這些點的分佈是基於有某種規則，那麼或許我們可以找到一條線，來表示它們的分佈狀況。

所謂的「線」是由無數點所組成，所以它本身意涵數值是連續型的資料，如果這條表示分佈的線可以無限延長，那麼只要你給出一個x，它必定能輸出一個y給你。

根據這條件，我們可以知道x(輸入)和y(輸出)彼此的關係，因此也可以丟入實務上還未出現的x，得到對應的y，得到預期值的目的。

然後事情往往沒那麼簡單，大多時候不容易用直線表示出我們輸入和輸出的關係，可能是需要一個複雜的曲線。

自變數的數量跟維度成正比，簡單講一個變數一個維度，轉換成平面座標是個很理想的作法，但實務上資料多半是多維的組成，一次處理多維難處理，所以我們需要數學轉換，用梯度下降的作法降維度的方式處理。

線的長度可能也沒有無限長，在資料處於某個範圍之下合用，但輸入的參數到了某種數值之外，或許整個模型有可能就不適用。

以上還不是最頭痛的部分。

最重要的部分，資料的分佈要有「規則」，才能訓練出一個模型，也可以說用ML訓練模型，其實是在幫我們找到資料集內隱藏的規則。

若資料的分佈式自然機率隨機組成，譬如說丟擲一個公正的骰子，想要藉此找出出現的點數有沒有一個模型，或者威力彩開獎的號碼真的是隨機產出，那麼做模型去算下一次開獎號碼，基本上是無稽之談，因為沒有規則，就沒有模型，也就沒有意義。