分类与回归的区别

1）输出数据的类型不同

分类输出的数据类型是离散数据，也就是分类的标签。比如通过学生学习预测考试是否通过，这里的预测结果是考试通过，或者不通过，这2种离散数据

回归输出的数据类型是连续数据。比如通过学习时间预测学生的考试分数，这里的预测结果分数，是连续数据。

2）第2个区别是我们想要通过机器学习算法得到什么

分类算法得到的是一个决策面，用于对数据集中的数据进行分类。

回归算法得到的是一个最优拟合线，这个线条可以最好的接近数据集中的各个点。

3）第3个区别是对模型的评估指标不一样

在监督分类中，我们通常会使用正确率作为指标，也就是预测结果中分类正确数据占总数据的比例。

在回归中，我们决定系数R平方来评估模型的好坏。R平方表示有多少百分比的y波动被回归线描述。

4）分类与聚类的区别

4.1.对于分类来说，在对数据集分类时，我们是知道这个数据集是有多少种类的，比如对一个学校的在校大学生进行性别分类，我们会下意识很清楚知道分为“男”和“女”。

4.2.而对于聚类来说，在对数据集操作时，我们是不知道该数据集包含多少类，我们要做的是将数据集中相似的数据归纳在一起。比如预测某一学校的在校大学生的好朋友团队，

我们不知道大学生和谁玩的好玩的不，我们通过他们的相似度进行聚类，聚成n个团队，这就是聚类。聚类是将数据对象的集合分成相似的对象类的过程。使得同一个簇（或类）

中的对象之间具有较高的相似性，而不同簇中的对象具有较高的相异性。