机器学习算法是一组使计算机系统能够从数据中学习的方法和
技术。这些算法允许计算机从大量数据中识别模式，并根据这些
模式进行预测或决策，而无需明确编程来执行特定任务。下面我
将简要描述几种常见的机器学习算法及其用途：
1. 线性回归（Linear Regression）：
1. 用途：预测数值型数据，如房价、销售额等。
2. 工作原理：通过找到最佳拟合数据的直线（或其他线
性模型）来预测目标变量的值。
3. 特点：简单、易于解释，但在处理非线性关系时可能
效果不佳。
2. 逻辑回归（Logistic Regression）：
1. 用途：分类问题，特别是二分类问题，如判断邮件是
否为垃圾邮件。
2. 工作原理：使用逻辑函数（如 Sigmoid 函数）将线性
回归的连续输出转换为介于 0 和 1 之间的概率值，然后设定一个
阈值进行分类。
3. 特点：易于实现，计算效率高，适用于二分类问题，
但不适用于多分类问题。
3. 决策树（Decision Trees）：
1. 用途：分类和回归问题。
