來自知乎的回答：

1. 分類問題中，輸出不僅僅只允許取兩個值，可以允許多個值，它是離散的；而在回歸問題中，輸出可取任意實數(shù)，是連續(xù)的。

2.

?分類和回歸的區(qū)別在于輸出變量的類型。

定量輸出稱為回歸，或者說是連續(xù)變量預(yù)測；

定性輸出稱為分類，或者說是離散變量預(yù)測。

舉個例子：

預(yù)測明天的氣溫是多少度，這是一個回歸任務(wù)；

預(yù)測明天是陰、晴還是雨，就是一個分類任務(wù)。

3:

分類基本上都是用“回歸模型”解決的，只是假設(shè)的模型不同(損失函數(shù)不一樣)，因為不能把分類標(biāo)簽當(dāng)回歸問題的輸出來解決。比如，最小二乘擬合曲線與最小二乘二分類，單層logistc神經(jīng)網(wǎng)擬合曲線與logistc回歸二分類，它們在設(shè)置上就是一些小trick。

來自 https://my.oschina.net/zzw922cn/blog/544221?p=1

本文主要介紹了回歸問題與分類問題的不同應(yīng)用場景以及它們訓(xùn)練算法的不同之處。

回歸與分類的不同

1.回歸問題的應(yīng)用場景

回歸問題通常是用來預(yù)測一個值，如預(yù)測房價、未來的天氣情況等等，例如一個產(chǎn)品的實際價格為500元，通過回歸分析預(yù)測值為499元，我們認為這是一個比較好的回歸分析。一個比較常見的回歸算法是線性回歸算法（LR）。另外，回歸分析用在神經(jīng)網(wǎng)絡(luò)上，其最上層是不需要加上softmax函數(shù)的，而是直接對前一層累加即可。回歸是對真實值的一種逼近預(yù)測。

2.分類問題的應(yīng)用場景

分類問題是用于將事物打上一個標(biāo)簽，通常結(jié)果為離散值。例如判斷一幅圖片上的動物是一只貓還是一只狗，分類通常是建立在回歸之上，分類的最后一層通常要使用softmax函數(shù)進行判斷其所屬類別。分類并沒有逼近的概念，最終正確結(jié)果只有一個，錯誤的就是錯誤的，不會有相近的概念。最常見的分類方法是邏輯回歸，或者叫邏輯分類。

(回歸的方法可以做分類，反之不行！)

邏輯回歸：y=sigmoid(w'x)

線性回歸：y=w'x

也就是邏輯回歸比線性回歸多了一個sigmoid函數(shù)，sigmoid(x)=1/(1+exp(-x))，其實就是對x進行歸一化操作，使得sigmoid(x)位于0~1

邏輯回歸通常用于二分類模型，目標(biāo)函數(shù)是二類交叉熵，y的值表示屬于第1類的概率，用戶可以自己設(shè)置一個分類閾值。

線性回歸用來擬合數(shù)據(jù)，目標(biāo)函數(shù)是平法和誤差

3.如何選擇模型

下面一幅圖可以告訴實際應(yīng)用中我們?nèi)绾芜x擇合適的模型。