回歸與分類的不同
#導入回歸
from sklearn.ensemble import RandomForestRegressor
#導入分類
from sklearn.ensemble import RandomForestClassifier
1.回歸問題的應用場景（預測的結果是連續的，例如預測明天的溫度，23，24，25度）
回歸問題通常是用來預測一個值，如預測房價、未來的天氣情況等等，例如一個產品的實際價格為500元，通過回歸分析預測值為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，回歸分析用在神經網絡上，其最上層是不需要加上softmax函數的，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測。
2.分類問題的應用場景（預測的結果是離散的，例如預測明天天氣-陰，晴，雨）
分類問題是用於將事物打上一個標簽，通常結果為離散值。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函數進行判斷其所屬類別。分類並沒有逼近的概念，最終正確結果只有一個，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。
3.如何選擇模型
下面一幅圖可以告訴實際應用中我們如何選擇合適的模型。
分類，回歸，聚類，降維
