分类问题和回归问题

分类问题

机器学习中的任务的取值是离散的有限个的时候，则我们的（预测）问题可以视为分类问题。

分类模型的效果衡量

分类问题效果衡量主要是以检验分类器的效果为主，因此，主要是看分类器能否正确分类，因此，我们应首先考虑分类器分类的正确率和错误率，这个容易得出（正确/总 或 错误/总）

然而，这只是最基本的情况，实际上，分类器有可能会把正确的分到错误的类里，也有可能会把错误的分到正确的类里，因此，单纯考虑分类器的正确率和错误率是不够的

因此，就有了精确率和召回率的说法，具体参见精确率和召回率一文

回归问题

机器学习中回归问题是指输入变量（自变量）和输出变量（因变量）之间的关系【主要值数学的函数关系】，回归模型是指输入变量到输出变量之间的函数。

回归模型的效果衡量

回归模型主要分为线性回归和非线性回归

效果衡量主要从实际值和预测的输出值之间的误差来考虑，典型的衡量方法有最小二乘法（least squares）