我是机器学习的新手，任何人都可以帮助我找到机器学习中分类和回归之间的主要区别吗？
答案 0 :(得分：2)
我正在给出这个答案，因为我已经看到它应用于随机森林和决策树，但我相信它应该通常适用于任何机器学习方法。
在构建基于回归的模型时，最终产品是一个函数，它可以逐字地生成任何连续输出作为预测。当然，我们还没有讨论你想要预测的内容。我们假设您正在尝试将某个品牌的收入预测为许多输入参数的函数。回归模型实际上可以是基于某些输入可能输出任何收入数的函数。它甚至可以输出从未出现在训练集中的收入数字。
另一方面，对于分类模型，模型的输出是类。继续这个例子，让我们说你已经将销售额分为低销售额和高销售额，而你正试图建立一个可以预测低销售额或高销售额的模型。输入甚至可能与之前相同，但输出会有所不同。在分类的情况下，您的模型将输出＆＃34; low＆＃34;或者＆＃34;高，＆＃34;理论上，每个输入只会产生这两个响应中的一个。
答案 1 :(得分：1)
回归 - 输出变量采用连续值。
示例：给定一个人的照片，我们必须根据给定的图片预测他们的年龄
分类 - 输出变量采用类标签。
示例：鉴于患有肿瘤的患者，我们必须预测肿瘤是恶性的还是良性的。
答案 2 :(得分：1)
以上答案是正确的， 简而言之，回归学习和分类都属于监督学习之下。 回归中的输出变量是数字（连续的），而在分类中，输出变量是分类的（离散的）
要进一步了解上述两个术语，请访问以下链接
2- https://machinelearningmastery.com/classification-versus-regression-in-machine-learning/
以上两个链接都提供了与实际示例的明显区别：）
答案 3 :(得分：0)
我是机器学习领域的初学者，但据我所知，回归是针对＆＃34;连续值＆＃34;并且分类用于＆＃34;离散值＆＃34;。通过回归，您可以看到连续值的线条，您可以看到模型的好坏。另一方面，你可以看到离散值如何获得某种意义＆＃34;离散地＆＃34;分类。如果我错了，请随意纠正。