机器学习中的分类和回归

机器学习中的监督学习应用主要为分类与回归。

分类

在分类任务中，模型的目标是将输入数据分为预定义的类别或标签。分类问题通常是离散型的，输出是有限个类别中的一个。比如将人区分为男生和女生就是一个简单的二分类问题。

常用的分类算法有：KNN、逻辑回归、决策树、SVM：SVC、朴素贝叶斯，决策树等

回归

在回归任务中，模型的目标是预测一个连续型的数值输出，而不是离散的类别。比如预测明天的气温，就是一个连续型的数值输出，在比如预测某地区的房价，也是回归问题。

常见的回归机器学习算法有：线性回归、SVM：SVR、决策树等。

区分分类任务和回归任务：

输出是否具有某种连续性，如果在可能的结果之间具有连续性，那么它就是一个回归问题。

（ 1 ）输出不同

分类：输出的是物体所属的类别 ，输出是 离散的（有限的）

回归：输出的是具体的值 ，输出是 连续的（房价预测，概率问题）

（ 2 ）目的不同

分类：如寻找决策面

回归：如寻找最优拟合曲线