问分类和回归有什么区别？

EN

为了举例说明，让我们想象一下，你在试图预测你的车的油箱中的汽油量。

这个问题的分类问题说明是你的车里是否有汽油(是或否)。

关于这个问题的回归声明将预测汽车中的汽油水平(无论是完全满的还是完全空的)，并且可以取任何值。

分类模型的输出可以是n个选项之一，其中n是类的数量(和/或与每个类相关联的概率)。

回归模型的输出是(可能有界)连续值。

用一个例子来理解不同之处是非常容易的。

分类:当您被要求预测某一疾病是否会存活时，请提供过去因同一疾病X而存活或死亡的患者的所有必要数据，以及在当前数据集中预测相同数据集的数据。

回归：-当你被要求找到汽车的销售价格时，给出过去出售的汽车的所需信息，以及测试集(汽车)的价格和类似的功能。

换句话说，我们也可以说，如果我们想找出一个离散的答案，那么它将是一个分类问题，如果我们想要找到连续的(基于范围的)预测，那么它将是一个回归问题。

回归和分类都与预测有关，其中回归从一个连续集合预测一个值，而分类预测该类的“归属”。

两者都是监督学习的例子。

一套房子的价格取决于“大小”(平方)。脚或任何单位)和说‘位置’的房子，可以是一些‘数值’(可以是连续的)：这与回归有关。

同样，对价格的预测也可以用词语来预测，即“非常昂贵”、“昂贵”、“负担得起”、“便宜”和“非常便宜”：这与分类有关。

每个类可能对应于一定范围的值。