一、機器學習里面，regression和classification的區別是什么
分類（Classification）是指一類問題，而回歸（Regression）是一類工具。分類的目的在于給對象按照其類別打上相應的標簽再分門別類，而回歸則是根據樣本研究其兩個（或多個）變量之間的依存關系，是對于其趨勢的一個分析預測。
分類的標簽如果是表示（離散的）有排序關系的類別時，比如說“好”、“較好”、“一般”這樣的時候，也可以用回歸來處理。但是如果標簽是純粹的分類，比如說電影中的“喜劇”、“動作”、“劇情”這樣的無排序關系的標簽時，就很難用回歸去處理了。而且，分類中還存在著“多分類”的問題，也就是一個對象可能有多個標簽的情況，這就更復雜了。
而同時，回歸所能做的也并非只有分類，也可以用來做預測等其他問題。
所以，回歸和分類的區別并非只有輸出的“定性”與“定量”那么簡單，應該說兩者屬于不同的范疇。
二、機器學習是現在人工智能最核心的技術嗎
機器學習只是人工智能下面的一個分類。人工智能這個學科很廣
三、機器學習中的邏輯回歸到底是回歸還是分類
邏輯回歸：y=sigmoid(w'x)
線性回歸：y=w'x
也就是邏輯回歸比線性回歸多了一個sigmoid函數，sigmoid(x)=1/(1+exp(-x))，其實就是對x進行歸一化操作，使得sigmoid(x)位于0~1
邏輯回歸通常用于二分類模型，目標函數是二類交叉熵，y的值表示屬于第1類的概率，用戶可以自己設置一個分類閾值。
線性回歸用來擬合數據，目標函數是平法和誤差
