48. 關於迴歸分析(Regression)敘述，下列哪一項錯誤？
(A) 迴歸分析是擬兩個或者多個變數之間的關係的過程
(B) 被預測的變數叫做因變數(Dependent Variable)，被 用來進行預測的變數叫做自變數(Independent Variable)
(C) 迴歸分析按照涉及的變數的多少，分為一元迴歸和 多元迴歸分析
(D) 迴歸分析屬於非監督式(Unsupervised Learning)學 習方法

迴歸分析（Regression Analysis）

迴歸分析是一種 監督式學習（Supervised Learning） 方法，用於預測連續數值變數，並分析變數之間的關係。它在統計和機器學習中應用廣泛，例如房價預測、銷售趨勢分析、風險評估等。

分析選項

• (A) 迴歸分析是擬合兩個或者多個變數之間的關係的過程

  • ✅ 正確，迴歸分析的目標就是尋找變數之間的關係，並建立一個數學模型來描述它們之間的關聯性。

• (B) 被預測的變數叫做因變數（Dependent Variable），被用來進行預測的變數叫做自變數（Independent Variable）

  • ✅ 正確，迴歸分析的基本概念：
    • 因變數（Dependent Variable, Y）：我們要預測的變數。
    • 自變數（Independent Variable, X）：用來預測 Y 的變數。

• (C) 迴歸分析按照涉及的變數的多少，分為一元迴歸和多元迴歸分析

  • ✅ 正確，迴歸模型可以根據變數數量分類：
    • 一元迴歸（Simple Regression）：只有一個自變數 XXX。
    • 多元迴歸（Multiple Regression）：有多個自變數 X1,X2,...,XnX_1, X_2, ..., X_nX1​,X2​,...,Xn​。

• (D) 迴歸分析屬於非監督式（Unsupervised Learning）學習方法

  • ❌ 錯誤，迴歸分析屬於 監督式學習（Supervised Learning），因為它需要帶有標籤（標記數值） 的資料來訓練模型。例如：

    • 訓練資料：給定過去房價數據（XXX：房屋面積、房齡等，YYY：實際價格）
    • 模型學習數據的模式，然後對新房價進行預測

    非監督式學習（Unsupervised Learning） 不依賴標籤，例如 K-means 分群（Clustering），它不會事先有標記答案。