数据仓储中回归和分类的区别

回归和分类是数据挖掘中常用的两种方法，它们的区别如下：

1. 目标不同：回归是预测连续值，而分类是预测离散值。

2. 数据类型不同：回归的输入和输出通常是数值型数据，而分类的输入可以是数值型数据、文本数据、图像数据等各种类型，输出通常是一个离散的标签。

3. 模型不同：回归常用的模型有线性回归、多项式回归、岭回归等，分类常用的模型有决策树、支持向量机、朴素贝叶斯等。

4. 应用场景不同：回归常用于预测房价、股票价格等连续值，而分类常用于垃圾邮件分类、疾病预测等离散值的预测。

在数据仓储中，回归和分类都是用于数据挖掘和分析的重要方法，可以用于预测和分类数据，帮助企业进行决策和优化业务。