分类和回归都可用于预测,分类的输出是离散的类别值,而回归的输出是连续数值。( )

分类与回归是机器学习中两种常见的预测任务，它们的核心区别在于输出类型：

• 分类的目标是将输入数据划分到离散的类别中，例如“垃圾邮件”或“正常邮件”。
• 回归的目标是预测一个连续数值，例如房屋价格或温度。

本题的关键在于理解两者的输出形式差异，明确分类处理的是类别标签，回归处理的是具体数值。

分类与回归的对比：

1. 分类：
   • 输出形式：离散的类别值（如“是/否”“类别A/B/C”）。
   • 应用场景：判断、归类问题（如情感分析、疾病诊断）。
2. 回归：
   • 输出形式：连续数值（如温度、房价）。
   • 应用场景：数值预测问题（如预测销售额、估计时间）。

题目中“分类输出离散类别值，回归输出连续数值”的表述完全正确，符合两者的定义。