一家房地產公司希望使用包含 32 個特徵的歷史資料集來預測房價。哪種建模方法適用於此任務？

此任務的目標是根據歷史資料預測房價，這是一個典型的迴歸問題，因為房價是連續數值。線性迴歸是一種監督式學習演算法，非常適合預測連續數值目標變數，並且能夠處理多個特徵（此處為 32 個特徵）。 羅吉斯迴歸用於分類問題，預測離散的類別標籤（例如，房屋是否會出售），而非連續的價格。K-means 聚類是一種非監督式學習演算法，用於將資料點分組到不同的簇中，而不是進行預測。主成分分析 (PCA) 是一種降維技術，用於減少特徵數量，而不是直接用於預測房價。