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。
輸入變數與輸出變數均為連續變數的**問題是回歸問題；
輸出變數為有限個離散變數的**問題成為分類問題；
輸入變數與輸出變數均為變數序列的**問題成為標註問題。
參考資料：
學習筆記 監督學習 分類和回歸
二 提公升演算法 boosting 監督學習主要包括分類和回歸任務，首先講一講回歸，再講一講分類中的提公升演算法。用於確定兩種或兩種以上變數間相互依賴的定量關係的一種統計分析方法。給出了訓練樣本?我們就可以從訓練樣本出發，建立乙個線性回歸方程，使得對訓練樣本資料而言，該線性回歸方程 的結果與樣本標註...
監督學習與非監督學習之間的區別
深度學習中會遇到常見的兩個問題，乙個是分類，乙個是回歸。如果我們想要 的值是乙個離散的值，比如說物體識別，識別乙個物體是貓還是狗，一張是美還是醜，還有手寫數字辨識，這些都是分類的問題。但是如果我們想要 的是乙個連續的數值，比如說給一張進行評分，這就是回歸問題。有的時候我們還會對一些資料做聚類，就是我...
有監督學習 無監督學習 分類 聚類 回歸等概念
這篇是很久之前寫的了.後來才開始上 andrew ng 老師的 mooc，發現其實老師講得很好了，建議有時間看看他的 machina learning 只看第一節課就可以很了解這些概念了。主要內容 有監督學習 無監督學習 分類 聚類 回歸等概念 這裡舉乙個給書本分類的例子。部分參考 什麼是無監督學習...