机器学习的主要任务

分类        和          回归

分类任务：对于一张图片，是猫还是狗。给出一张手写数字图片判断0，1，2...9

分类任务细分：

            二分类                比如说猫和狗判断    是垃圾右键和不是垃圾邮件，  银行判断发给用户信用卡有风险还是没风险（风险高低）   判断病患良性肿瘤还是恶性肿瘤     判断股票涨还是跌

             多分类              手写数字识别    图像识别    判断发送给客户信用卡的风险评级(A,B,C,D,E)  看似比较复杂的任务可以转换成分类任务，比如说做一个自动玩游戏的2048游戏，上移下移左移右移      还有下围棋（落子） 无人车（根据传感器环境信息来选择方向盘和油门和刹车） 

             虽然这些问题可以转换多分类，但是选择这些问题不一定最好的方案，还有其他的任务

  有一些算法只支持完成二分类

多分类任务可以转换成二分类任务

有一些算法天然支持多分类任务

另外还有多标签分类： 

更高级的可以把一张图片分到多个类别中，照片两个人可以分在多个人的标签下

价格不是一个类别，是一个连续数据

回归任务：结果是一个连续的数字的值，而非一个类别

比如说房屋价格，或者预测

市场分析    

预测学生成绩

股票价格

有一些算法只能解决回归问题

有一些算法只能解决分类问题

有一些算法技能解决    回归问题，又能解决分类问题

很多时候一个回归任务可以简化成分类任务，比如说无人驾驶 （方向盘打的角度是一个连续的数值，只是将它类别化）

我们想预测学生的成绩，可能不是具体的成绩，可能是A+，A，B，B+就是分类化

可以通过问题转换转换成分类任务

模型可以理解为函数，我们机器学习的算法就是得到一个函数

实际上是监督学习，这样的方式处理的是分类问题和回归问题

其实机器学习领域还可以解决很多其他问题