回归 vs 分类：有监督学习中两种重要任务的差异与示例

分类和回归是机器学习中的两种常见的有监督学习任务。它们之间的主要差别在于预测目标的类型和输出结果的形式。

回归问题的目标是预测一个连续的数值输出。在回归中，我们使用输入特征来预测一个连续的目标变量。例如，预测一个房屋的价格，根据房屋的面积、卧室数量、地理位置等特征来预测房屋的售价。在这种情况下，回归模型的输出是一个连续的数值，表示价格。

分类问题的目标是将输入样本分配到预定义的类别中。在分类中，我们使用输入特征来预测样本所属的类别。例如，将一封电子邮件分类为垃圾邮件或非垃圾邮件，根据邮件的主题、正文内容、发送者等特征来判断其类别。在这种情况下，分类模型的输出是一个离散的标签，表示样本所属的类别。

总结一下，回归问题预测一个连续的数值输出，而分类问题预测一个离散的标签。