数据挖掘算法 回归和分类的区别，同时探讨评分卡的具体使用优化

分类和回归的区别

分类：classification
回归：regression

输入变量与输出变量均为连续变量的预测问题是回归问题
输出变量为有限个离散变量的预测问题为分类问题
输入变量与输出变量均为变量序列的预测问题为标注问题

分类问题和回归问题都要根据所给特征给出一个输出值，本质是一样的，不同的在于用法
拿LR为例，基于(0,1)离散值，实际上输出的不是（0,1）而是一个概率值。
我们去要选择一个阈值去设定，如果高于这个值，则为1 ，低于这个值，则为0
在探讨阈值之前， 本质上都可以作为回归为题，探讨阈值之后，实际上是一个拟合过程，回归问题

举个例子：
预测明天的气温是多少度，这是一个回归任务；
预测明天是阴、晴还是雨，就是一个分类任务。

特性	分类	回归
输出类型	离散数据	连续数据
目的	寻找决策边界	找到最优拟合
评价方法	混淆矩阵	拟合优度

区别可以量化为3点：

1 分类问题离散值 回归问题连续值 也就是分类问题需要拟合的点少
2 回归问题多了决策边界的探索
3 功能不同，评价指标是不一样的

评分卡的具体使用优化

客观来讲评分卡是概率转化分值的过程
WOE值本质上的分箱结果是基于分类的变化过程
回归系数实际是一个相对拟合的结果，也就是概率值实际上是连续的