机器学习中的分类和预测有什么区别？
答案 0 :(得分：6)
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中缺少的元素
在分类的情况下，数据会根据训练数据集分组到类别中。
在预测的情况下，建立分类/回归模型来预测缺失的元素
在医院中，基于病历或治疗结果的患者分组被认为是分类，而如果您使用分类模型来预测新患者的治疗结果，则被认为是预测。
答案 1 :(得分：6)
分类是基于训练样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 regression 。
总之，分类是一种预测，但还有其他预测。因此，预测是一个更普遍的问题。
答案 2 :(得分：2)
分类是识别新观测所属的类别或类别标签的过程。 预测是识别新观测值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。谓词与分类中的类标签无关。
答案 3 :(得分：0)
预测可以同时使用回归模型和分类模型。这意味着一旦根据训练数据对模型进行训练；下一阶段将对实际/地面真值未知或保留以评估模型性能的数据进行预测。如果问题的性质是在确定其类别时确定类/标签/类别，并且如果问题是在确定实数（数字）值，则进行回归。简而言之，应该对测试数据集进行分类和回归预测。
答案 4 :(得分：0)
1. 预测就像是说将来可能会发生的事情。预测可能是一种分类
2. 预测主要基于我们的未来假设
而
1. 分类是对我们已经拥有的事物或数据的分类。此分类可以基于任何一种技术或算法
2. 分类主要基于我们当前或过去的假设