前面介绍了回归问题的基本思路，接下来看一下具体的应用吧。
显然，使用现有的体重秤来测量成年大象的体重是几乎不可能的。因为大象太重了，而体重秤最多只能测量300 kg。
一种方案是将大象切开，一块一块地放到体重秤上来测量。但这个方案被立刻否决了，因为我们应该保护野生动物。任何伤害野生动物的行为都是不对的。
于是，我们从网上搜索知识：
参考曹冲称象的故事，设计方案便手到擒来。实验方案是这样的：
我们通过曹冲称象的故事，设计了用于测量大重量物体的体重秤。这就融合了回归思想，而所用的模型为非常简单的线性模型，且具有十分广泛的适用性。某一天我们需要测量汽车时，也可以用到它。我们还可以将它用于其他重量测量。但在具体实施过程中，又遇到了新的问题，那就是我们既没有船又没有河水。这该怎么办呢？
称大象体重的关键设备我们都没有，怎么办？这个问题变得更加困难了。将思维扩展一下，既然我们所用的算法是机器学习算法，而所谓的吃水深度就是“特征”，那么是否还有其他参数来表征大象的体重呢？我们首先容易想到的是大象的高度，这个量似乎与其体重相关；进而还想到大象四肢的粗细似乎也与其体重相关。因此，接下来的问题就是找到大象体重与这两个量之间的关系。(www.xing528.com)
接下来的工作就是分析二者与体重之间的关系。
虽然无法测量大象的体重，但我们可以从测量小象来进行分析。
由此建立模型：
大象体重=系数1×大象身高+系数2×四肢直径+系数3
通过对小象的回归分析，我们得到了上面的三个系数。这三个系数可以用于大象体重的估计工作，由此我们可以不借助船等工具，仅依靠一把尺就能估计大象的体重。是不是很神奇？当然，还有更神奇的。我们来看一看更有意思的应用吧。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
