考虑下图，该图显示了房价与平方英尺之间的关系图。

在XY绘图上绘制各种数据点之后，我们绘制一条最适合的线来对给定尺寸的其他房屋进行预测。您将已知数据输入机器，并要求其找到最合适的线。一旦机器找到最合适的线，您将通过输入已知的房屋大小(即上述曲线中的Y值)来测试其适用性。机器现在将返回估计的X值，即房屋的预期价格。可以对该图进行推断，以找出3000平方英尺甚至更大的房屋价格。这称为统计回归。特别是，由于X和Y数据点之间的关系是线性的，因此这种回归称为线性回归。

在许多情况下，X和Y数据点之间的关系可能不是直线，而可能是具有复杂方程式的曲线。您现在的任务是找出最佳拟合曲线，可以将其外推以预测未来值。下图显示了一个这样的应用程序图。

资源：

https://upload.wikimedia.org/wikipedia/commons/c/c9/

您将在此处使用统计优化技术来找到最佳拟合曲线的方程式。这正是机器学习的目的。您使用已知的优化技术来找到问题的最佳解决方案。

接下来，让我们看一下机器学习的不同类别。