分类和回归的区别

分类和回归的区别

主要在于输出变量的类型。

分类 ：定性输出，或者也可以有条件地表述为离散变量预测。给定一个新的模式，根据训练集推断它所对应的类别（如：+1，-1），是一种定性输出，也叫离散变量预测。
回归：定量输出，或者也可以有条件地表述为连续变量预测。给定一个新的模式，根据训练集推断它所对应的输出值（实数）是多少，是一种定量输出，也叫连续变量预测。
当然，分类和回归数学中的区别也在于最后度量的损失函数不同。
李航《统计学习方法》的解释为：
输出变量为有限个离散变量的预测问题成为分类问题；
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；
输入变量与输出变量均为变量序列的预测问题成为标注问题。
分类与回归对比图如下：

分析的角度不同，分类和回归的区别点也不同，关键是清楚方法区别和应用场景。

几种经典方法分类和回归对比：

1. 线性回归（ Linear Regression）和逻辑回归（Logistic Regression ）