分类 vs 回归：监督学习中的两种主要任务

监督学习中，分类和回归是两种不同的机器学习任务。

'分类'是一种将数据样本分为不同类别的任务。在分类中，我们的目标是根据输入特征将数据样本分配到预定义的类别中。例如，根据一些特征（如花瓣长度、花瓣宽度等），我们可以将鸢尾花分为不同的品种（如山鸢尾、变色鸢尾等）。分类问题的输出是离散的类别标签。

'回归'是一种预测连续数值输出的任务。在回归中，我们的目标是根据输入特征预测一个连续的输出值。例如，根据房屋的面积、卧室数量等特征，我们可以预测房屋的价格。回归问题的输出是连续的实数值。

因此，分类和回归的主要区别在于输出的类型。分类输出离散的类别标签，而回归输出连续的实数值。在分类中，我们使用的算法通常包括逻辑回归、决策树、支持向量机等。而在回归中，我们使用的算法通常包括线性回归、决策树回归、神经网络等。