分类和回归算法之间的区别
分类和回归算法之间的区别
分类算法和回归算法都是监督学习算法
分类算法：
通过事物已有的特征来判断事物的类别
根据样本的特征将样本划分到不同的分类当中
就是通过相关样本进行训练，从而得到样本特征到样本标签之间的映射，再利用该映射来得到新样本的标签，最终达到将样本划分到不同类别的目的
回归算法
分类算法和回归算法的样本标签类别不同
- 分类算法的样本标签是离散值，每个值代表一个类别
- 回归算法的样本标签是连续值
回归算法同样是要训练样本数据，从而得到样本特征到样本标签之间的映射
即回归算法是要预测连续的数值型的目标值，接受一系列连续数据，寻找一个最适合数据的方程对特定的值进行预测。该方程称之为回归方程，求解回归方程就是求解该方程的系数，求解参数的过程就是回归
分类算法和回归算法最主要的区别就是输出结果的不同：
- 分类算法输出的是定性的值，即离散变量的预测，例如上学的阶段：小学、中学、大学
- 回归算法输出的是定量的值，即连续变量的预测，例如年龄：17岁-48岁
需要注意的是：logistic回归是一个分类算法
