2.1 设置问题
我们就先一起来看一看回归吧。下面我们结合具体的例子来说。
好呀，具体的例子就像明天的午饭一样重要啊。
你这个比喻的意义我完全无法理解……不过例子确实很重要。对了，我记得你说过你在运营一个 Web 服务？
是啊，当时是为了学习编程而建立的。用户可以通过它上传时装照片，然后再分享给大家。除了编程我还能学到时尚的穿搭，真挺不错的。
好像挺有意思的，我也有意用用了。
那太好了。不过现在的访问数还很少，我在想要不要发点广告什么的，让更多的人知道这个服务。
这样啊。那好，我们就以 Web 广告和点击量的关系为例来学习回归吧。
我对 Web 营销倒是挺感兴趣的，不过这和机器学习有关系吗？
先听我说完。为了简化问题，我们假设存在这样一个前提：投入的广告费越多，广告的点击量就越高，进而带来访问数的增加。
嗯，广告基本上就是这样的。
不过点击量经常变化，投入同样的广告费未必能带来同样的点击量。根据广告费和实际点击量的对应关系数据，可以将两个变量用下面的图展示出来（图 2-1）。图中的值是随便选的。
图 2-1
原来如此。投入的广告费越多，点击量就越高。
那你看着这张图来回答一下（图 2-2）。如果花了 200 日元的广告费，广告的点击量会是多少呢？
图 2-2
这个问题太简单了！500 次左右吧？
对的，好厉害。
你不是在讽刺我吧……？（笑）
没有没有！刚才你不是根据现有的数据，在图上标出了“大概在这里”了吗？
嗯，是呀。
这就是机器学习。你所做的事情正是从数据中进行学习，然后给出预测值。接下来我们就要使用机器学习，像你刚才做的那样，尝试进行根据广告费预测点击量的任务。
原来是这么回事。但是就算不使用机器学习，谁看到这张图都能说出正确答案吧。
就像我一开始所说的，这是我们把问题设置得非常简单的缘故。
也就是投入的广告费越多，点击量就越高这个前提？
对。不过，实际要使用机器学习来解决的问题都会更复杂，很多问题无法像这样画出图来。现在我们为了加深理解才用了这样一个简单的例子，后面的例子会越来越难的。
这样啊，现在的我对此还没有什么头绪……