数据挖掘 - 分类与回归

本文探讨了监督性学习中分类与回归的区别。通过实例说明分类针对离散目标值,而回归适用于连续目标值。并对比了两种方法的原理,即如何找到最佳分类边界与回归线。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

数据挖掘

分类与回归的比较

分类和回归都属于监督性学习。那么他们的区别是什么呢?简单来说,我们现在有x和y值,分类的目标y值是属于离散值,而回归的目标y值是连续值。举个栗子, 汽车的不同颜色比如红,黑,白,属于离散值,而今天的气温则是连续值。

如果来比较他们的原理,给出几个点,找出拟合性最强的那条线是回归。如下图:

回归例子
给出几个属于两个不同类别的点,找出那条最能把两个类别的点区分出来的线就是分类。如下图:
分类例子

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值