回归模型和分类模型：数据特征和预测值的区别

回归模型和分类模型是机器学习中常见的两种模型类型，它们在数据特征和预测值方面存在着明显的区别。

回归模型的预测值是连续的，例如预测房价、气温等。回归模型的数据特征可以是连续的，也可以是离散的。

分类模型的预测值是离散的，例如预测邮件是否是垃圾邮件、图片中是否包含猫等。分类模型的数据特征通常是离散的，例如邮件的主题、图片的像素值等。

因此，选项 C 是错误的，分类模型的数据特征通常是离散的，而不是连续的。