分類與迴歸的區別，分類迴歸區別

分類與迴歸的區別，分類迴歸區別

1）輸出資料的類型不同

分類輸出的資料類型是離散資料，也就是分類的標籤。比如通過學生學習預測考試是否通過，這裡的預測結果是考試通過，或者不通過，這2種離散資料

迴歸輸出的資料類型是連續資料。比如通過學習時間預測學生的考試分數，這裡的預測結果分數，是連續資料。

2）第2個區別是我們想要通過機器學習演算法得到什麼

分類演算法得到的是一個決策面，用於對資料集中的資料進行分類。

迴歸演算法得到的是一個最優擬合線，這個線條可以最好的接近資料集中的各個點。
3）第3個區別是對模型的評估指標不一樣

在監督分類中，我們通常會使用正確率作為指標，也就是預測結果中分類正確資料佔總資料的比例。

在迴歸中，我們決定係數R平方來評估模型的好壞。R平方表示有多少百分比的y波動被迴歸線描述。
4）分類與聚類的區別

4.1.對於分類來說，在對資料集分類時，我們是知道這個資料集是有多少種類的，比如對一個學校的在校大學生進行性別分類，我們會下意識很清楚知道分為“男”和“女”。

4.2.而對於聚類來說，在對資料集操作時，我們是不知道該資料集包含多少類，我們要做的是將資料集中相似的資料歸納在一起。比如預測某一學校的在校大學生的好朋友團隊，

我們不知道大學生和誰玩的好玩的不，我們通過他們的相似性進行聚類，聚成n個團隊，這就是聚類。聚類是將資料對象的集合分成相似的對象類的過程。使得同一個簇（或類）

中的對象之間具有較高的相似性，而不同簇中的對象具有較高的相異性。