有监督学习：回归与分类的区别及举例

回归和分类是有监督学习中的两种不同任务。

回归是预测一个连续值的任务，目标是根据输入的特征来预测一个数值。例如，根据房屋的面积、卧室数量和地理位置等特征，预测房屋的价格。

分类是将样本分为不同的类别的任务，目标是根据输入的特征将样本分类到不同的类别中。例如，根据花朵的特征（如花瓣长度、花瓣宽度等），将花朵分为不同的品种（如山鸢尾、变色鸢尾等）。

聚类和降维是无监督学习中的两种不同任务。

聚类是将样本分为不同的群组的任务，目标是根据样本之间的相似性将它们聚合到一起。例如，根据消费者的购买历史和行为，将消费者分为不同的群组，以便进行个性化的市场推荐。

降维是减少数据维度的任务，目标是从高维空间中找到一组低维特征表示，以保留最重要的信息。例如，在图像识别中，可以将高维的像素数据降维到低维的特征空间，以便更好地区分不同的物体。