某製造商擁有大量標記的銷售歷史資料，並希望預測每個季度應生產某個零件的數量。哪種機器學習方法適合預測連續的數值量？

線性迴歸 (Linear regression) 適用於預測連續的數值型目標變數，例如本例中預測零件的生產數量。它透過建立輸入特徵與輸出之間的線性關係模型來達成預測。 羅吉斯迴歸 (Logistic regression) 則用於分類問題，預測離散的類別標籤，例如是/否或多個類別，而非連續數值。隨機森林砍伐 (Random Cut Forest, RCF) 是一種異常檢測演算法，用於識別資料中的異常點，不適合預測生產數量。主成分分析 (Principal component analysis, PCA) 是一種降維技術，用於減少資料的複雜性，而非直接進行預測。