机器学习中回归和分类的区别？ [关闭]

Question

我是机器学习的新手。谁能告诉我机器学习中分类和回归的主要区别？

Answer 1

回归旨在预测一个连续的输出值。例如，假设您试图将某个品牌的收入预测为许多输入参数的函数。回归模型实际上是一个函数，它可以根据某些输入潜在地输出任何收入数字。它甚至可以输出从未出现在您的训练集中的任何地方的收入数字。

分类旨在预测输入对应的类别（离散整数或分类标签）。例如假设您已将销售额分为低销售额和高销售额，并且您正在尝试建立一个可以预测低销售额或高销售额的模型（二元/二分类）。输入甚至可能与以前相同，但输出会有所不同。在分类的情况下，您的模型将输出“低”或“高”，理论上每个输入只会产生这两个响应中的一个。

（这个答案适用于任何机器学习方法；我个人的经验是使用随机森林和决策树）。

Answer 2

回归 - 输出变量采用连续值。

示例：给定一张人的照片，我们必须根据给定的照片预测他们的年龄

分类 - 输出变量采用类标签。

示例：给定一个患有肿瘤的患者，我们必须预测肿瘤是恶性的还是良性的。

Answer 3

我是机器学习领域的初学者，但据我所知，回归适用于“连续值”，分类适用于“离散值”。通过回归，您的连续值有一条线，您可以看到您的模型是好还是坏。另一方面，您可以看到离散值如何通过分类“离散地”获得一些含义。如果我错了，请随时纠正。