分类与回归？
Classification vs Regression?
我不太清楚分类和回归之间的区别。
据我了解，分类是绝对的。不是这个就是那个。
回归更像是一种预测。
上面的两个问题更像是一个回归问题，对吗？它都是使用一种学习算法来预测。谁能举个分类与回归的例子？
你是对的：给定一些数据点，分类会为该点分配一个标签（或 'class'）。正如您所说，这个标签是绝对的。一个例子可能是恶意软件分类：给定一些文件，它是恶意软件还是不是？ （"label" 将是此问题的答案：'yes' 或 'no'。）
但在回归中，目标是预测真实值（即非分类值）。这里的一个例子可能是，给定某人的身高和年龄，预测他们的体重。
因此，在您引用的任何一个问题中，答案都归结为您试图从预测中得出什么：类别还是实际值？
（旁注：这两个问题之间存在联系和关系，如果你愿意，你可以将回归视为分类的扩展，在标签是有序的并且有无限个标签的情况下。）
1.分类 是将数据组织成类别以最有效和高效使用的过程，而 回归 是识别的过程关系以及这种关系对对象未来价值结果的影响。
2.classification 用于预测数值数据和分类数据，而回归用于预测数值数据。
分类示例:-
预测一家公司的股票是否适合购买或不考虑公司的历史，以及购买者对其的评论是否购买该股票。 （离散答案：买入 - Yes/No）
回归示例:-
根据公司的过往历史预测购买公司股票的最佳价格，以及买方对过去购买股票价格的评价。 （连续回答：- 价格范围）
我不太清楚分类和回归之间的区别。
据我了解，分类是绝对的。不是这个就是那个。
回归更像是一种预测。
上面的两个问题更像是一个回归问题，对吗？它都是使用一种学习算法来预测。谁能举个分类与回归的例子？
你是对的：给定一些数据点，分类会为该点分配一个标签（或 'class'）。正如您所说，这个标签是绝对的。一个例子可能是恶意软件分类：给定一些文件，它是恶意软件还是不是？ （"label" 将是此问题的答案：'yes' 或 'no'。）
但在回归中，目标是预测真实值（即非分类值）。这里的一个例子可能是，给定某人的身高和年龄，预测他们的体重。
因此，在您引用的任何一个问题中，答案都归结为您试图从预测中得出什么：类别还是实际值？
（旁注：这两个问题之间存在联系和关系，如果你愿意，你可以将回归视为分类的扩展，在标签是有序的并且有无限个标签的情况下。）
1.分类 是将数据组织成类别以最有效和高效使用的过程，而 回归 是识别的过程关系以及这种关系对对象未来价值结果的影响。 2.classification 用于预测数值数据和分类数据，而回归用于预测数值数据。
分类示例:-
预测一家公司的股票是否适合购买或不考虑公司的历史，以及购买者对其的评论是否购买该股票。 （离散答案：买入 - Yes/No）
回归示例:-
根据公司的过往历史预测购买公司股票的最佳价格，以及买方对过去购买股票价格的评价。 （连续回答：- 价格范围）