具体的技术手段--五种常见的回归分析模型：有解释型变量X因变量Y（通过确定Y，确定Y的数据类型，来确定回归分析类型或机器学习算法）
1. 线性回归：Y是连续型数据—任何两个数据之间都可以存在一个差值，如身高体重价格收益房价等；
实际上没有完全的连续型数据，几乎都是离散型数据。
2. 0-1回归：因变量Y是0-1型（即是0或者1）数据的回归，如性别。应用场景可能最多的回归模型。
如：是否购买车险/保险；信贷是否借贷给客户；
可以根据业务场景改变Y，但是不能改变Y是0-1型数值
3. 定序回归：因变量Y是确定顺序的回归。如偏好程度/满意度（此时可能用1，2，3，4等没有代数意义的来表示）等。
大量判定到人类心理的数据，一般都是定序回归。但也有例外，比如两个选项（满意/不满意-0%/100%）
4. 计数回归：因变量Y为数数型的数据。如养育孩子的个数，养育宠物的个数等。
只能是整数，也是正数，也有代数（数量）意义。数量不能太大
如：客户关系管理：每天来门店几次；
5. 生存分析：刚开始用在医学。因变量Y为截断的数据，比如观测12个月的病人，12个月以后可能用12+表示。
如生存时间/生活质量等——不可能一直无限观测，很多研究都有观测周期。
如公司的生存和死亡：天使轮为出生，A轮/破产为死亡；
如消费者终生客户生命周期；
