某制造商拥有大量带标签的历史销售数据，并希望预测每个季度应生产的特定零件数量。哪种机器学习方法适用于预测连续的数值量？

线性回归适用于预测连续的数值量，例如本例中制造商希望预测的零件数量。它通过拟合一个最佳直线（或超平面）来建模自变量和因变量之间的关系。 逻辑回归用于预测离散的类别，例如是/否或A/B/C，而不是连续的数值。 Random Cut Forest (RCF) 是一种无监督算法，主要用于异常检测，而不是预测连续值。 主成分分析 (PCA) 是一种降维技术，用于减少数据集中的特征数量，而不是进行预测。