回归模型的优点和缺点
回归模型做预测还是很不错的，它不仅可以预测并求出函数，还可以自己对结果进行残差的检验，检验模型的精度。但是回归模型比较简单，算法相对低级，很多人尤其是比赛的时候不愿意采用。希望能帮你。
建立回归模型的一般步骤
对不起，我根本不知道什么是……
不过我查了些资料
一元线性回归模型表示如下，
yt = b0 + b1 xt + ut (2.1)
上式表示变量yt 和xt之间的真实关系。其中yt 称作被解释变量（或相依变量、因变量），xt称作解释变量（或独立变量、自变量），ut称作随机误差项，b0称作常数项（截距项），b1称作回归系数。
在模型 (2.1) 中，xt是影响yt变化的重要解释变量。b0和b1也称作回归参数。这两个量通常是未知的，需要估计。t表示序数。当t表示时间序数时，xt和yt称为时间序列数据。当t表示非时间序数时，xt和yt称为截面数据。ut则包括了除xt以外的影响yt变化的众多微小因素。ut的变化是不可控的。上述模型可以分为两部分。（1）b0 +b1 xt是非随机部分；（2）ut是随机部分。
matlab建立合适的回归模型，急~
回归模型: y=a*exp(b*x)+c*exp(d*x)
a=109.1725，b=0.0009859，c=-269.2524，d=-2.254
决定系数R^2=0.98896
实现方法：
1、自定义函数，func=@(a,x)a(1)*exp(a(2)*x)+a(3)*exp(a(4)*x);
2、用nlinfit非线性回归函数求其拟合系数
a = nlinfit(x,y,func,a0);
a=a(1)，b=a(2)，c=a(3)，d=a(4)
