分类和回归是有监督学习中两个最常见的方法。对于分类来说,机器学习的目标是对样本的类标签进行预测,判断样本属于哪一个分类,结果是离散的数值。而对于回归分析来说,其目标是要预测一个连续的数值或者是范围。
通俗一点:
分类:预测的是离散的类别标签(比如:是/否,猫/狗/鸟,A/B/C/D等级)。
回归:预测的是连续的数值(比如:房价、温度、销售额)。
用生活中的例子来比喻: 分类就像"分门别类",回归就像"估算数值"。

分类和回归是有监督学习中两个最常见的方法。对于分类来说,机器学习的目标是对样本的类标签进行预测,判断样本属于哪一个分类,结果是离散的数值。而对于回归分析来说,其目标是要预测一个连续的数值或者是范围。
通俗一点:
分类:预测的是离散的类别标签(比如:是/否,猫/狗/鸟,A/B/C/D等级)。
回归:预测的是连续的数值(比如:房价、温度、销售额)。
用生活中的例子来比喻: 分类就像"分门别类",回归就像"估算数值"。