回归和分类有什么区别?

回归和分类都是机器学习的任务，但目标不同。回归预测连续数值，比如房价或温度；分类则预测离散类别，比如邮件是否为垃圾。回归输出具体数字，分类输出标签或类别名称。两者都依赖历史数据训练模型，但处理的问题类型有明确界限。

区别

回归：回归分析关注数值预测，结果可以是任意实数。比如预测明天的气温，模型输出25.3摄氏度。它衡量预测值与实际值的差距，常用均方误差评估。回归适合处理连续变化的数据，如股票价格或降雨量。模型学习输入特征与数值输出之间的关系，比如房屋面积越大，价格越高。

分类：分类任务将数据分成固定类别，结果只能是预定义的标签。比如判断图片是猫还是狗，模型输出“猫”或“狗”。它用准确率或混淆矩阵评估性能。分类适合处理离散问题，如疾病诊断或垃圾邮件识别。模型学习特征与类别之间的边界，比如邮件中含“免费”一词时，更可能被归为垃圾邮件。