有监督学习：回归与分类的区别及示例 | 无监督学习：聚类与降维的差异

回归和分类是有监督学习中两种不同的任务。

'回归'任务是预测连续型的数值输出。例如，根据房屋的面积、位置等特征预测房价。在这种情况下，模型的输出是一个连续的数值。

'分类'任务是预测离散型的类别标签。例如，根据花朵的特征（如花瓣长度、花瓣宽度等）预测花的种类（如鸢尾花的种类）。在这种情况下，模型的输出是一个离散的类别标签。

聚类和降维是无监督学习中的两种不同任务。

'聚类'任务是将数据分成不同的组或簇，使得同一组内的数据相似度较高，不同组之间的数据相似度较低。例如，对于一组顾客的购买行为数据，聚类分析可以将顾客分成几个不同的群体，以便进行个性化营销。

'降维'任务是将高维数据转换为低维表示，同时尽可能地保留原始数据的特征信息。例如，在图像处理中，可以使用降维技术将图片从高维的像素表示转换为低维的特征表示，以便进行图像分类或识别。降维可以帮助减少数据维度，降低存储和计算成本，并且可以帮助发现数据中的重要特征。