什么是分类与回归？

分类与回归是监督学习中常见的两类预测建模任务。监督学习通常使用包含特征和标签的数据训练模型，让模型从历史数据中寻找规律，并对新数据做出预测。

二者的核心差异不在于某个具体算法名称，而在于预测输出的形式：分类预测数据点属于哪个类别，回归预测相关的实际数值。简单说，分类回答“是哪一类”，回归回答“是多少”。

例如：

• 预测用户是否会流失：输出通常是“会 / 不会”，更接近分类任务。
• 预测下月销售额：输出是一个金额数值，更接近回归任务。
• 判断交易是否风险较高：输出是风险类别或是否需要拦截，通常按分类任务处理。
• 估算订单配送时长：输出是时长数值，通常按回归任务处理。

要点： 先确定业务问题需要的答案类型，再选择分类或回归；不要先选模型，再把问题强行套进去。

分类预测类别，回归预测实际数值

分类与回归都属于预测建模，但输出空间不同。分类的输出是离散类别，回归的输出是实际数值。这个差异会影响标签设计、训练目标、评估指标以及最终的业务决策方式。

在实际项目中，最可靠的判断方式是查看标签字段。如果标签是有限的类别，例如“流失 / 未流失”或“高风险 / 低风险”，通常是分类；如果标签是可度量的数值，例如销售额、价格、数量或时长，通常是回归。

分类任务的基本机制与评估指标

分类任务关注类别判断。尤其在二元分类中，阈值、混淆矩阵和分类指标会共同影响模型输出如何转成业务决策，也会影响我们如何判断模型表现是否满足目标。

阈值用于把模型输出转成类别判断

在很多二元分类场景中，模型可能先产生一个分数或倾向，再通过阈值转换成类别。例如，当分数高于某个阈值时判定为“正类”，低于阈值时判定为“负类”。

阈值不是单纯的技术细节。阈值调高或调低，可能会改变识别出的正类数量，也会影响精确率、召回率等指标表现。

混淆矩阵用于观察正确与错误的分布

混淆矩阵用于对照真实类别和预测类别，帮助观察模型在哪些地方判断正确、在哪些地方判断错误。相比只看一个整体分数，混淆矩阵能更清楚地展示错误类型。

如果业务更不能接受漏掉正类，就需要特别关注被漏掉的部分；如果业务更不能接受误报，就需要关注被误判为正类的部分。不同业务目标下，分类模型的评估重点会不同。

分类指标不应只看准确率

分类任务常见评估概念包括准确率、精确率、召回率、ROC、曲线下面积和预测偏差等。准确率能反映整体预测正确比例，但它不一定能解释不同错误类型对业务的影响。

要点： 分类任务的评估应服务于业务目标。只看准确率，可能忽略“错在哪里”和“哪种错误更重要”。

回归任务适合估算连续数值

回归任务用于预测实际数值。当问题的答案是“多少金额”“多少销量”“多少数量”“多长时间”这类可度量结果时，通常更接近回归任务。

一个典型例子是销售额预测：通过分析过去客户购买趋势，模型可以估算未来销售额，从而辅助库存采购或经营规划。这里业务真正需要的不是“高 / 低”这样的类别，而是一个可用于计划的数值。

回归任务常见价值包括：

• 帮助估算未来需求，例如销售额、订单量或资源使用量。
• 支持库存、采购、排班或容量规划等决策。
• 将历史数据中的趋势转化为可量化的预测结果。

与分类不同，回归任务通常不需要先把输出划成类别。它更关注预测值是否接近真实数值，以及这个数值能否支撑后续业务决策。

实际任务如何在分类与回归之间选择

选择分类还是回归，可以按“业务问题 → 标签类型 → 输出使用方式 → 评估方式”的顺序判断。这样能避免只根据算法名称或建模习惯做选择。

第一步：把业务问题改写成明确问题

先写清楚模型要回答什么。如果问题是“这个用户是否会流失”“这笔交易是否高风险”“这张图片属于哪一类”，答案天然是类别，通常是分类任务。

如果问题是“下月销售额是多少”“预计需要多少库存”“订单完成需要多长时间”，答案是实际数值，通常是回归任务。

第二步：检查标签是类别还是数值

标签是训练数据中的目标答案。监督学习依赖带有特征和标签的数据训练模型，因此标签类型会直接影响任务类型。

第三步：看模型输出如何被业务使用

有些任务的原始数据可能是数值，但业务只需要类别决策。例如，一个连续风险分数如果最终按阈值划分为“高风险 / 非高风险”，落地时就可能按分类任务评估。

反过来，如果业务真正需要的是精确数值，例如库存采购量或未来销售额，就不应只输出“高 / 中 / 低”类别，因为这会损失数值信息。

第四步：匹配合适的评估方式

分类任务常结合阈值、混淆矩阵、准确率、精确率、召回率、ROC、曲线下面积和预测偏差等概念进行评估。回归任务则应围绕预测数值与实际结果的接近程度来评估。

常见误区与检查清单

分类与回归的选择看似简单，但实际项目中容易被算法名称、指标习惯或业务表述误导。以下误区可以作为建模前的快速检查。

误区一：只看算法名称，不看预测输出

线性回归和逻辑回归都可以通过分析历史数据进行预测，但任务选择不能只看名称中的“回归”二字。更稳妥的做法是回到业务问题：最终要预测的是类别，还是实际数值？

误区二：先选模型，再解释业务问题

分类与回归是任务类型，不是项目开始时随意选择的模型标签。如果先决定算法，再把业务问题硬套进去，容易导致标签设计、评估指标和业务决策不一致。

误区三：分类任务只看准确率

准确率是分类任务中的常见指标，但不是唯一指标。二元分类中还应结合阈值、混淆矩阵、精确率、召回率、ROC、曲线下面积和预测偏差等概念，判断模型是否符合具体业务目标。

任务选择检查清单

在确定建模方向前，可以逐项检查：

• 输出是否是离散类别？如果是，优先考虑分类任务。
• 输出是否是金额、销量、数量、时长等实际数值？如果是，优先考虑回归任务。
• 业务是否需要通过阈值把分数转成“是 / 否”判断？如果是，通常需要按分类任务评估。
• 是否需要使用混淆矩阵观察不同错误类型？如果是，通常是分类任务。
• 业务是否更关心预测数值能否支撑库存、资源或经营决策？如果是，通常是回归任务。
• 当前指标是否与业务决策一致？如果不一致，应重新检查标签定义和任务类型。

结论： 分类与回归的本质区别是输出结果不同。分类回答“属于哪一类”，回归回答“数值是多少”。实际任务选择应从业务问题和标签类型出发，再匹配相应的评估方式。