聚类分类回归是什么意思

什么是回归分类聚类 

回归、分类和聚类都是机器学习中的基本概念，它们的主要区别在于问题的性质和解决方式：

1. 回归（regression）：回归是针对连续变量的预测问题，即输入变量与输出变量均为连续变量。回归方法包括随机森林、bagging等。

2. 分类（classification）：分类是针对离散变量的预测问题，即已知标签、输出变量为有限个离散变量。分类方法包括bagging、随机森林、adaboost等。分类模型可以将回归模型的输出离散化，回归模型也可以将分类模型的输出连续化。

3. 聚类（clustering）：聚类是将数据或用户聚合成几个群体的问题，即你不知道数据会分为几类，通过聚类分析将数据聚合成几个群体。聚类方法包括K均值（K-means）、DBSCAN、DPEAK、Mediods、Canopy等。

举例来说，预测明天的气温是一个回归任务，因为它是一个定量输出；预测明天是阴、晴还是雨是一个分类任务，因为它是一个定性输出；给定一堆无标签的数据，通过聚类算法将数据分类是一个聚类任务。