一、概述线性回归、逻辑回归、K-Means聚类是机器学习入门三大经典算法根据有无标签、任务目标分为三类线性回归做连续值预测、逻辑回归做二分类、聚类无标签自动分组。1. 线性回归监督·回归核心拟合线性方程 ywxb用最小均方误差优化参数预测连续数值。流程导入数据→初始化参数→计算预测误差→梯度下降更新权重→收敛后完成预测。用途房价、销售额等数值预测。2. 逻辑回归监督·二分类核心线性计算后套Sigmoid函数将结果映射0~1概率以0.5为阈值划分两类。流程特征输入→线性运算→Sigmoid转概率→交叉熵损失优化→概率判别分类。用途疾病筛查、垃圾邮件识别。3. K-Means聚类无监督·分组核心预先给定聚类数K迭代「样本就近分簇→更新簇中心点」中心点稳定即结束分组。流程无标签数据→随机K个中心→样本归类→更新簇心→迭代收敛输出分组。用途用户画像分群、商品分类。二、小结带标签预估数值选线性回归带标签区分两类选逻辑回归无标签数据自主分类选用K-Means聚类