场景：适用于将数据点分到不同的类别或标签中的问题。每个类别代表一种离散的类别或状态。
例子：
输出：预测结果是一个离散的类别标签，通常表示为类别的名称或编码。
场景：是分类问题的一种特殊情况，其中只有两个可能的类别。任务是将数据点分为两个互斥的类别。
输出：预测结果是两个类别中的一个。
场景：适用于预测连续数值的问题，目标是拟合数据并预测未知数据的输出值。
输出：预测结果是一个连续的数值，可以是任意实数。
输出类型：
目标：
应用场景：
在选择适当的问题类型时，需要根据问题本身的性质和数据的特点进行考虑。如果目标是分类，可以进一步考虑是多类别分类还是二分类；如果目标是预测数值，那么就是回归问题。分类、二分类和回归问题是机器学习中常见的三种任务类型，它们分别适用于不同的场景，具有不同的目标和输出。
在选择适当的问题类型时，需要根据问题本身的性质和数据的特点进行考虑。如果目标是分类，可以进一步考虑是多类别分类还是二分类；如果目标是预测数值，那么就是回归问题。
THE END