分类与回归的区别

分类和回归的详细区别如下：

目标变量类型:

分类: 目标变量是离散的，分为若干类别。例如，邮件分类为“垃圾邮件”或“正常邮件”。
回归: 目标变量是连续的，通常是一个数值。例如，预测房价或气温。

输出结果:

分类: 输出是类别标签，通常是有限的，如“是”或“否”。
回归: 输出是一个数值，可以是任何实数，表示某种量度。

评估指标:

分类: 使用准确率、精确率、召回率、F1分数等指标。
回归: 使用均方误差（MSE）、均方根误差（RMSE）、平均绝对误差（MAE）等指标。

模型应用:

分类: 常见模型包括逻辑回归、决策树、随机森林、支持向量机（SVM）、神经网络。
回归: 常见模型包括线性回归、岭回归、LASSO回归、回归树、神经网络。

分类问题关注的是将样本归入正确的类别，而回归问题关注的是预测一个数值。