模型的划分及区别?

模型按功能可分为预测模型和分类模型。预测模型用于估算连续数值，如房价预测；分类模型则用于离散类别判断，如垃圾邮件识别。两者核心区别在于输出类型和应用场景。

区别

预测模型：输出连续数值，依赖历史数据建立回归方程。例如，气温模型通过过去10天温度推算未来趋势，结果可以是25.3度这样的具体数字。误差计算常用均方根，适合金融、气象等需精确量化的领域。

分类模型：输出离散标签，通过算法划分数据到预设类别。例如，医疗影像模型将扫描图分为“良性”或“恶性”两类。训练需标注样本，准确率以正确判断数量衡量，多用于安防、诊断等需明确归属的场景。