机器学习功能都可以归入预测问题，其中预测一般分为（）。

机器学习功能都可以归入预测问题，其中预测一般分为（）。
A.分类
B.回归
C.输入
D.输出
正确答案：AB
A.分类：
分类是机器学习预测任务中的一种重要类型。它的目标是将数据划分到不同的类别中。例如，在图像识别中，将图片分类为“猫”“狗”“汽车”等不同类别；在邮件过滤中，将邮件分为“垃圾邮件”和“正常邮件”。分类问题的输出通常是离散的类别标签。机器学习算法通过学习大量带有类别标签的数据，构建分类模型，从而能够对新的数据进行类别预测。比如决策树算法可以根据邮件的各种特征（如关键词、发件人等）来学习判断规则，进而预测新邮件属于垃圾邮件还是正常邮件。
B.回归：
回归用于预测连续值。例如，预测房屋的价格，价格可以是任意的数值；预测明天的气温，气温也是连续变化的数值。回归模型试图找到输入特征与连续输出值之间的关系。线性回归是一种常见的回归方法，它假设输入特征和输出值之间存在线性关系，通过最小化预测值与真实值之间的误差（如均方误差）来确定模型的参数。以房屋价格预测为例，线性回归模型可能会考虑房屋面积、房间数量等特征与价格之间的线性关系，从而对新的房屋价格进行预测。
C.输入：
输入是机器学习模型接收的数据，它是进行预测的基础，但不是预测的类别。例如在房屋价格预测中，房屋面积、房间数量等作为输入数据提供给模型，模型基于这些输入进行价格预测。输入本身不属于预测的分类，所以C选项错误。
D.输出：
输出是模型根据输入数据和学习到的模式进行预测后产生的结果，它可能是分类的类别标签（如分类问题中）或连续的预测值（如回归问题中），但它不是预测的类别。输出是预测完成后的产物，而不是预测的类型，所以D选项错误。