机器学习中的回归算法是一种用于预测连续数值输出的算法。回归算法的目标是找到一个函数，将输入变量映射到连续的输出变量。回归算法通常用于预测房价、股票价格、销售额等连续数值型数据。

在实际应用中，回归算法的表现取决于数据的质量和特征的选择。如果数据质量好，特征选择合理，回归算法可以得到非常准确的预测结果。但是，如果数据质量差，特征选择不当，回归算法的表现可能会很差。

回归算法的常见类型包括线性回归、多项式回归、岭回归、Lasso回归、弹性网络回归等。每种回归算法都有其优缺点和适用场景。例如，线性回归适用于数据线性可分的情况，而岭回归适用于数据存在多重共线性的情况。

总之，回归算法是机器学习中非常重要的一类算法，可以用于预测连续数值型数据。在实际应用中，需要根据数据的特点选择合适的回归算法，并进行特征选择和模型调优，以获得最佳的预测效果。