1,本质上
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。
2,举例说明
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。,
3,总结
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
4,个人理解
分类问题做预测时,样本的预测结果一定会出现在训练集的标签中。比如属于A类或者B类,这两类一定是历史数据出现过的标签。
回归问题做预测时,样本的预测结果不一定会出现在训练集的标签中。比如预测80平米租房价格为2037元,这个价格可能历史数据标签中就没有出现过,是根据周围点的输出值的均值算出来的。