机器学习说到底，不就三件事：

1. 预测一个数 —— 回归

2. 判断归属哪个类 —— 分类

3. 自动把数据分组 —— 聚类

别背术语，别管定义，先看问题怎么解决。

---

一、回归（Regression）

干嘛的？
模型输出一个连续数值。你丢个样本进去，它告诉你大概是多少。

应用场景：

• 房价预测

• 股票波动估计

• 广告点击率预估

• 医疗中的风险评分

代码风格示例：

from sklearn.linear_model import LinearRegression

model = LinearRegression()
model.fit(X_train, y_train)
y_pred = model.predict(X_test)

注意点：

• 特征别有太强的共线性（会影响权重估计）

• 数据别有太多离群值（容易拉偏模型）

模型选择建议：

• 数据线性关系明显 → 线性回归

• 数据维度不大但噪音多 → 决策树回归

• 数据量大 / 精度要求高 → XGBoost、LightGBM

• 想搞深一点 / 多变量复杂依赖 → 神经网络回归（Keras / PyTorch）

---

二、分类（Classification）

干嘛的？
模型判断输入属于哪个“类”，就像做选择题一样，A、B、C三选一。

应用场景：

• 是否信用违约（0/1）

• 邮件是否垃圾

• 图像识别（猫狗车人）

• 医疗诊断分类

代码风格示例：

from sklearn.ensemble import RandomForestClassifier

model = RandomForestClassifier()
model.fit(X_train, y_train)
y_pred = model.predict(X_test)

注意点：

• 类别不均衡要处理，比如加权或采样

• 二分类别做One-Hot？不用，直接0/1即可

• 多分类别需换 loss（如 softmax）

模型选择建议：

• 简单快速：逻辑回归

• 可解释性强：决策树 / RandomForest

• 对精度要求高：XGBoost / CatBoost

• 有深度需求：CNN / Transformer

---

三、聚类（Clustering）

干嘛的？
模型自己发现数据结构，把相似的放一堆，没标签也能干。

应用场景：

• 用户分群

• 异常检测（异常就是被分到边角落的那类）

• 文本聚类（比如舆情分析）

代码风格示例：

from sklearn.cluster import KMeans

model = KMeans(n_clusters=3)
model.fit(X)
labels = model.labels_

注意点：

• 特征归一化很重要（不然按维度权重大错特错）

• K 值别瞎定，用肘部法则或者 silhouette score 找

模型选择建议：

• 快速尝试：KMeans（80%的场景够用）

• 空间不规则：DBSCAN

• 层级结构：Agglomerative Clustering

---

工程建议（务实路线）

任务	类型	模型建议
价格预测	回归	XGBoost / LGBM
风控审核	分类	Logistic / RF / XGB
用户打标签	聚类	KMeans / DBSCAN
图片识别	分类	CNN
文本相似度分类	分类	BERT / SVM

---

别学偏了：

学机器学习不是看你会几个模型，而是看你知道什么时候用哪个模型，用什么数据喂进去。

---

下一篇我接着写《模型评估指标怎么选？怎么解释？》，这一步你要是乱选，模型再准也白搭。