最近看了 Sebastian Raska 的书 Python Machine Learning，里面有一节是关于回归分析的，读了这节之后，我觉得回归分析是机器学习中分类算法的替代方案，我不太明白为什么需要回归分析在分类问题中，如果有分类算法，它们的优势是什么？我为我的知识贫乏提前道歉，我刚开始学习机器学习。
RError.com
最近看了 Sebastian Raska 的书 Python Machine Learning，里面有一节是关于回归分析的，读了这节之后，我觉得回归分析是机器学习中分类算法的替代方案，我不太明白为什么需要回归分析在分类问题中，如果有分类算法，它们的优势是什么？我为我的知识贫乏提前道歉，我刚开始学习机器学习。
理论上，分类问题被认为是回归构造问题的一个特例。但在实际问题中，每种方法都有明确定义的问题范围，它们应该应用于其中。
在实践中，当所有数据都在数字尺度上测量时，就会应用回归模型。相应地，您可以设置自变量的任意值并得到因变量的值，其可能值的范围是从分钟到正无穷大。
当至少因变量，可能还有一些（甚至全部）自变量在弱尺度上测量时，使用分类模型，即 在二分法、名义和/或等级量表中。
因此，如果在回归任务中，预测任务设置如下：“如果独立变量的值已知，因变量的值将是什么”（例如，“这是一组实验室参数, 表示患者康复的估计持续时间”），并且在分类任务的情况下，任务将设置如下：“在预定的和有限的一组可能值中，哪个将是因变量的值，如果自变量的值是已知的”（例如-“这是一组实验室参数，表明疾病的诊断”）