机器学习四大任务：回归、分类、聚类与降维

回归任务

回归是对已有的数据样本点进行拟合，再根据拟合出来的函数，对未来进行预测。回归数据是连续的值，比如商品价格走势的预测就是回归任务。

分类任务

分类需要先找到数据样本点中的分界线，再根据分界线对新数据进行分类，分类数据是离散的值，比如图片识别、情感分析等领域会经常用到分类任务。

聚类任务

聚类是根据样本之间的相似度，将一批数据划分为N个组。比如用户分组、异常值检测等领域会用到聚类任务。
用户分组比较好理解，那异常值检测为什么会用到聚类呢？因为实际场景中，如果某个样本点，离所有分类组的距离都很远，不属于任何一个组，我们则会将其看做是一个“异常值”。

降维任务

降维是减少数据的维度，对数据进行降噪、去冗余，方便计算和训练；
如数据预处理，减少一些对模型准确率影响很小维度，可以提高计算效率。再如图表可视化，我们进行数据分析时，通常会将高维模型降为三维或二维图表，便于直观分析。