灰色理论重在数据的处理方式和算法设计上，数据来源主要为间接的即三次以上处理得到的，对数据重质不重量，认识方式强调纵向思维，进而取补，延拓横向，即以纵连横对其进行深挖掘；数据少但工序多，方式复杂，对处理技术以及执行人员要求严格；灰色强调逻辑对科学发现的重要性，最终使得数据携带的信息按照所需较为充分的裸露出来。

    回归重在数据的直接大量获取上，数据来源多两次以下甚者不经过处理后得到，对数据要求一次获得，同时样本必须足够的多，认识方式强调横向思维，以横连纵；数据多但工序和处理方式简单，同时对技术与执行人员的数学素养要求比较宽松；用的也都是历史数据，携带信息量大，但体现不充分；在某种意义上回归强调观察与实验对科学发现的重要性；最终信息的获得，是靠大量直接观察到的堆砌数据的而获得。

    最后可以这样理解，在通过数据认识事物以及其间关系时，灰色处理即数据挖掘和回归分析各有其长，一个重逻辑一个重观察实验，实乃通过数据认识世界的两翼，相互配合方能见效。