我想计算今天的降雨量，单位是毫米。所以我想先知道这是线性回归还是逻辑回归问题，以及如果我有包含大量实例的一些属性的数据集，该如何计算。
还有如何知道何时使用特征缩放，以及如果在必要时不使用特征缩放，我的程序会有什么影响。
我能否得到特征缩放的Java代码。
回答：
如果你要计算今天的降雨量，那么你应该选择线性回归，这最适合这个问题。
因为降雨量属于实数（R），是一个具体的值，如果你有分类问题，尤其是二元分类，那么你必须选择逻辑回归。
假设在计算今天的降雨量时有6个属性，那么你的模型应该是：
y = w(0)+x(1)w(1)+x(2)w(2)+x(3)w(3)+x(4)w(4)+x(5)w(5)+x(6)w(6) y 是你要预测的降雨量。
其中 x(1)...x(6) 是属性，w(0)...w(6) 是你需要计算的权重。
然后你应该有一个要减少的损失函数：
现在你要计算 w(0)…w(6)。
现在使用梯度下降方法。
//实际上我没有梯度下降的图片，但我可以用这个来向你解释。theta(j) 是 w(j)，alpha 是学习率。并且 E 是 J(theta)，t(p) 是给定的值，其中 y(p) 是预测值，即原始的 y。
而特征缩放是在数据过于稀疏时进行的，可以通过将所有元素除以最大元素来实现。这是为了标准化独立数据。所以先进行特征选择，然后再进行缩放。
更多关于线性回归的信息。
为什么不能在这里应用逻辑回归？
因为在逻辑回归中，我们得到的是S形曲线，这最适合二元分类。
高于0.5取1或真，低于0.5取0或假。
希望这对你有帮助。
