线性回归 、 岭回归 、 Lasso回归 、Elastic Net 回归 、 多项式回归 、 决策树回归 、 随机森林回归 、支持向量机回归 、K近邻回归、 神经网络回归 这些都分别处理什么类型的数据

这些回归算法都可以用于处理连续型数据的回归问题。

具体来说：

- 线性回归是一种基本的回归算法，适用于解决线性关系的回归问题。
- 岭回归是一种正则化线性回归算法，通过引入L2正则项来防止过拟合。
- Lasso回归也是一种正则化线性回归算法，通过引入L1正则项来进行特征选择。
- Elastic Net回归是一种结合了L1和L2正则化的线性回归算法，可以同时进行特征选择和防止过拟合。
- 多项式回归可以用于解决非线性关系的回归问题，通过引入高次项来拟合数据。
- 决策树回归是一种非参数的回归算法，适用于解决非线性关系的回归问题。
- 随机森林回归是一种集成学习算法，通过组合多个决策树回归器来提高预测精度。
- 支持向量机回归是一种基于核函数的回归算法，可以用于解决非线性关系的回归问题。
- K近邻回归是一种基于样本距离的回归算法，可以用于解决非线性关系的回归问题。
- 神经网络回归是一种基于神经网络的回归算法，可以用于解决非线性关系的回归问题。