随机森林分类和回归区别?

随机森林分类和回归都是基于决策树集成的方法，区别在于输出类型：分类预测离散类别（如"是/否"），回归预测连续数值（如价格、温度）。

区别

随机森林分类：处理离散目标变量，输出每个类别的概率或具体类别。例如预测邮件是否为垃圾邮件，输出"垃圾"或"非垃圾"。通过多数投票决定最终结果，适合分类任务如疾病诊断、图像识别。树节点分裂时使用基尼不纯度或信息增益优化纯度。

随机森林回归：处理连续目标变量，输出具体数值。例如预测房价、销售额，结果可以是任意实数。通过平均所有树的预测值得到最终结果，适合回归任务如销量预测、温度估计。树节点分裂时使用均方误差或平均绝对误差减少误差。