机器学习 之 分类与回归的区别

对于机器学习中的分类与回归问题，我总是有点迷糊，但是看了知乎大神们的解答，略有感触。

具体链接请看：https://www.zhihu.com/question/21329754

下面我简单总结一下分类与回归问题的区别吧：

 

首先引用吴恩达大神的话，Andrew Ng的Machine Learning课程给出的定义：

Supervised learning problems are categorized into "regression" and "classification" problems. In a regression problem, we are trying to predict results within a continuous output, meaning that we are trying to map input variables to some continuous function. In a classification problem, we are instead trying to predict results in adiscrete output. In other words, we are trying to map input variables into discrete categories.

有人总结了此图：

 

 

按照图上所说，分类和回归最重要的是判断其输出是：连续抑或离散；对于输出类型为离散数据的，就是分类问题，是一种定性预测；输出类型为连续数据的，就是回归问题，是一种定量预测；

 

例子：

比如给出一些房子的尺寸以及对应的市场价格，我们需要做的就是预测房价。你可以通过这些数据，拟合出一个房价关于房子尺寸大小的连续函数，这个就是回归问题；

但是如果你只需要某个房子的价格是否超过你的预期（即你要买房，你手中钱只要这么多，预测自己能否买到），这个能否买到，只有两种结果，一种是买卖，一种就是没钱钱买（人生艰难），结果是两种（离散输出），这个就是分类问题。

 

PS: logistic回归虽然带有回归俩字，但是这货是一个分类器

PS2: KNN不是聚类，而是一个回归/分类 

分类与聚类的区别请移步：https://blog.csdn.net/aron_conli/article/details/88140099