分类和回归

分类模型和回归模型本质一样，分类模型是将回归模型的输出离散化。

　一般来说，回归问题通常是用来预测一个值，如预测房价、未来的天气情况等等，例如一个产品的实际价格为500元，通过回归分析预测值为499元，我们认为这是一个比较好的回归分析。回归是对真实值的一种逼近预测。

　　分类问题是用于将事物打上一个标签，通常结果为离散值。例如判断一幅图片上的动物是一只猫还是一只狗。分类并没有逼近的概念，最终正确结果只有一个，错误的就是错误的，不会有相近的概念。

简言之：

　　定量输出称为回归，或者说是连续变量预测，预测明天的气温是多少度，这是一个回归任务

　　定性输出称为分类，或者说是离散变量预测，预测明天是阴、晴还是雨，就是一个分类任务







KNN算法不仅可以用于分类，还可以用于回归。通过找出一个样本的k个最近邻居，将这些邻居的某个（些）属性的平均值赋给该样本，就可以得到该样本对应属性的值。

KNN算法不仅可以用于分类，还可以用于回归。通过找出一个样本的k个最近邻居，将这些邻居的某个（些）属性的平均值赋给该样本，就可以得到该样本对应属性的值。

https://www.cnblogs.com/pythoner6833/p/9296035.html