数据挖掘之——一些概念/原理区分

1. 分类和回归的区别

在本质上是一样的，都是针对一个输入，做出一个输出预测，区别在于输出变量的类型。

定性输出称为分类，或者说是离散变量预测，给定一个新的模式，推断它所对应的类别，如A，B类；
定量输出称为回归，或者说是连续变量预测，给定一个新的模式，推断它所输出的值（实数）。

煮个栗子：
预测明天的气温是多少度，可能是有一个y = ax+b 的函数，这是一个回归任务；
预测明天是阴、晴、雨、雪，这就是一个分类任务。

分类模型可将回归模型的输出离散化，回归模型也可以将分类模型的输出连续化：

再煮几个栗子：

1. Logistic Regression 和 Linear Regression：
   1. Linear Regression：输出一个标量 wx+b ，这是一个连续值，可以用来处理回归问题；
   2. Logistic Regression：把上面的wx+b 通过 sigmoid 函数映射到（0，1）上，并划分一个阈值，大于阈值的分为一类，小于等于的分为另一类，就可以用来处理二分类问题
   3. 更进一步：对于N分类问题，则是先得到 N 组 w 不同的 wx+b，然后归一化，（如用softmax函数），最后变成 N 个类上的概率，就可以处理多分类问题

参考来源：
分类与回归区别是什么？
分类与回归的区别