【发布时间】：2015-04-15 15:57:51
【问题描述】：
机器学习中的分类和预测有什么区别？
【问题讨论】：
标签： machine-learning classification prediction definition
【发布时间】：2015-04-15 15:57:51
【问题描述】：
分类是基于训练示例的预定义词汇表中分类变量的预测。
数值（连续）变量的预测称为回归。
总之，分类是一种预测，但还有其他的。因此，预测是一个更普遍的问题。
【讨论】：
-
即使我有这个疑问也有一段时间了。所以从更广泛的意义上说，分类、回归都是不同类型的预测，对吧？
功能
分类是关于确定数据集中元素的（分类）类（或标签）
预测是关于预测数据集的缺失/未知元素（连续值）
工作策略
在分类中，根据训练数据集将数据分组。
在预测中，建立分类/回归模型来预测结果（连续值）
示例
在医院中，根据病历或治疗结果对患者进行分组被认为是分类，而如果您使用分类模型来预测新患者的治疗结果，则它是被认为是一个预测。
【讨论】：
分类是识别它所属的新观察的类别或类标签的过程。 预测是为新观察识别缺失或不可用的数值数据的过程。 这是分类和预测之间的关键区别。谓词不像分类中那样关注类标签。
【讨论】：
预测可以同时使用回归模型和分类模型。这意味着一旦模型在训练数据上进行训练；下一阶段是对真实/真实值未知或保留在一边的数据进行预测，以评估模型的性能。如果问题的性质是确定类/标签/类别，那么它的分类，如果问题是关于确定实数（数字）值，那么它的回归。简而言之，预测应该通过测试数据集的分类和回归来完成。
【讨论】：
1.预测就像是在说未来可能会发生的事情。预测可能是一种分类
2.预测主要基于我们对未来的假设
而
1.分类是对我们已经拥有的事物或数据的分类。这种分类可以基于任何类型的技术或算法
2.分类主要基于我们当前或过去的假设
【讨论】：