回归与分类的本质区别

回归与分类的区别：

• 浅层： 两者的的预测目标变量类型不同，回归问题是连续变量，分类问题连续变量。

• 中层：回归问题是定量问题，分类问题是定性问题。

• 高层： 回归与分类的根本区别在于输出空间是否为一个度量空间。

对高层答案的具体解释

回归问题与分类问题均是要建立如下映射：

f(x)->y,x∈A,y ∈B

• 对于回归问题：其输出空间B是一个度量空间。即回归问题输出空间定义了一个度量d = ρ（Ytrue,Ypred）去衡量预测值和真实值的误差大小

  例如：预测一瓶可乐的价格（真实价格为5元）为6元时，误差为1，预测为7元时，误差为2.这两个预测结果是不同的，是有度量定义来衡量这种差异的（于是有了均方误差这类误差函数）

• 对于分类问题：其输出空间B不是一个度量空间。在分类问题中，只有分类“正确”，“错误”之分，至于错误时将class 5 分到class 6 还是 class 7并没有区别，都是在error counter上+1

参考资料：

分类与回归区别是什么？ - 陶韬的回答 - 知乎