标称型和数值型（连续型）的区别

在监督学习（supervised learning）的过程中，只需要给定输入样本集，机器就可以从中推演出指定目标变量的可能结果。监督学习相对比较简单，机器只需从输入数据中预测合适的模型，并从中计算出目标变量的结果。之所以叫监督学习，是因为这类算法必须知道预测什么，即目标变量的分类信息。

监督学习一般使用两种类型的目标变量：标称型和数值型

标称型：标称型目标变量的结果只在有限目标集中取值，比如真与假(标称型目标变量主要用于分类)

数值型（连续型）：数值型目标变量则可以从无限的数值集合中取值，如0.555，666.666等 (数值型目标变量主要用于回归分析)

主要就说明有例外，好比k-近邻算法，他是监督学习的算法，但是数据可以是数值型，也可以是标称型。