在机器学习任务中，主要解决的目标分为两种：
在进行机器学习之前，一般要先搞清楚自己的问题背景是分类任务还是回归任务，然后再采用相对应的模型。
分类和回归的区别可以从多个角度进行描述，本文采用最简单的一个角度： 输出变量的类型。
定量输出称为回归，或者说是 连续变量预测；
定性输出称为分类，或者说是 离散变量预测。
举个例子：
预测明天的气温是多少度，这是一个回归任务；
预测明天是阴、晴还是雨，就是一个分类任务。
（此例子借鉴于知乎回答）
除了上个例子之外，预测房价、年龄等等属于回归任务；判断图片是猫、狗、兔子等等属于分类任务。
一般现实中的场景还是以分类任务为主。
常用模型
- 分类任务：SVM分类器、KNN算法、决策树算法、朴素贝叶斯算法、逻辑回归等。
- 回归任务：线性回归、多项式回归、岭回归等。
https://www.zhihu.com/question/21329754
Original: https://blog.csdn.net/qq_39856931/article/details/112260598
Author: 杨小浩浩hh
Title: 【机器学习】分类（classification）与回归（regression）任务区别及常用模型
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/634140/
转载文章受原作者版权保护。转载请注明原作者出处！