在資料探勘、人工智慧等領域中存在兩個：分類和回歸。單說分類很容易理解，但想到回歸就容易分不清晰，那麼這兩者到底有什麼區別和聯絡呢？下面簡單介紹下我的理解。
其實 回歸問題和分類問題的本質一樣，都是針對乙個輸入做出乙個輸出**，其區別在於
輸出變數的型別。
分類問題是指，給定乙個新的模式，根據訓練集推斷它所對應的類別（如：+1，-1），是一種定性輸出，也叫離散變數**；
回歸問題是指，給定乙個新的模式，根據訓練集推斷它所對應的輸出值（實數）是多少，是一種定量輸出，也叫連續變數**。
舉個例子：**明天的氣溫是多少度，這是乙個回歸任務；**明天是陰、晴還是雨，就是乙個分類任務。
分類與回歸的區別
chevalier meirtz 的總結如下 如何區分類與回歸，看的不是輸入，而是輸出的連續與否。例如 雲青青兮欲雨。這個 雲青青 就是輸入，青青 就是雲的特徵，而雨就是我們的 輸出。可以看到，在這個問題中，我們想得到的輸出是天氣，他是晴朗 陰天等天氣狀況的子集，是不連續的，所以這就是乙個典型的分類...
回歸和分類的區別
分類模型和回歸模型本質一樣，分類模型是將回歸模型的輸出離散化。舉幾個例子 1.logistic regression 和 linear regression 2.support vector regression 和 support vector machine 3.神經網路用於 分類 和 回歸 拓...
分類與回歸
分類與回歸問題 在用dbn 作手寫體識別實驗的時候，hinton 2006 年發表的 a fast learning algorithm for deep belief nets 所對應的 裡面用到 softmax 進行多分類。現就所查的資料和自己所理解的，整理這篇 blog softmax回歸模型...