本文的主要研究目的就是为了解决在数据挖掘中如何有效利用已有数据记录自动推导出对给定数据的推广描述,从而能对未来数据进行预测。回归、决策树和神经网络都可用于预测。和决策树和神经网络方法不同的是,回归的输出是连续数值,而决策树和神经网络方法的输出则是离散的类别值。本文主要讨论回归分析方法在数据挖掘预测系统中的应用。回归分析是数据挖掘预测系统中的重要方法之一,回归分析可分为线性回归及非线性回归。并且在回归分析中,对系数估计的优化准则通常是基于传统的最小二乘法实现回归预测。本文应用两种新的方法:一种为基于神经网络的回归分析法;另一种为基于遗传算法的回归分析法。本文详细介绍了四种回归分析的优化算法:最小二乘法、基于前馈神经网络模型模糊感知器回归分析法、基于BP算法神经网络的回归分析法、基于遗传算法的回归分析法。还总结了预测系统中回归分析各种实现方法,并对其进行了比较。最后,本文把几种常用的回归分析的算法应用于实际数据挖掘预测系统中,通过对实际数据的分析进一步说明回归分析在数据挖掘中的作用极为重要,对各种数据分析都可以起到很好的预测效果。