我是机器学习的新手。谁能告诉我机器学习中分类和回归的主要区别是什么？

回答：

回归旨在预测一个连续的输出值。例如，假设你试图根据许多输入参数预测某个品牌的收入。回归模型实际上是一个函数，它可以根据某些输入输出任何可能的收入数值。即使是训练集中从未出现过的收入数值，它也可以输出。

分类旨在预测输入对应哪个类别（一个离散的整数或分类标签）。例如，假设你将销售分为低销售和高销售，并试图构建一个能够预测低销售或高销售的模型（二元/两类分类）。输入可能与之前相同，但输出会不同。在分类的情况下，你的模型将输出“低”或“高”，理论上每个输入只会生成这两个响应之一。

（这个答案适用于任何机器学习方法；我个人的经验是使用随机森林和决策树）。