回归算法预测的标签是？（）

A.连续型;离散型

B.连续型;连续型

C.离散型;离散型

D.离散型;连续型

A.回归通常用于连续变量预测，分类一般用于离散变量预测。

B.分类和回归的区别在于输出变量的类型，因此分类和回归问题不能相互转换，并且同时构成了两大类常见机器学习任务

C.评价分类和回归方法可以使用同样的命中准确度指标

D.决策树算法是分类算法而不是回归算法

A.回归通常用于连续变量预测，分类一般用于离散变量预测。

B.分类和回归的区别在于输出变量的类型，因此分类和回归问题不能相互转换，并且同时构成了两大类常见机器学习任务

C.评价分类和回归方法可以使用同样的命中准确度指标

D.决策树算法是分类算法而不是回归算法

A.具有较高的支持度的项集含有的项目数一定比较小。

B.分类是这样的过程：它找出描述并区分数据类或概念的模型，以便能够使用模型预测类标记未知的对象类。

C.分类和回归都可用于预测，分类的输出是连续数值，而回归的输出是离散的类别值。

D.关联规则挖掘的目的是发现满足最小支持度的所有项集。

A.应用逻辑回归时，异常值会对模型造成很大的干扰。

B.逻辑回归的自变量必须是分类变量，因此要对连续型变量进行离散化处理。

C.逻辑回归对模型中自变量的多重共线性较为敏感。

D.逻辑回归属于分类算法。

A.预测离散值

B.预测连续值

C.分类

D.聚类

分类和回归都可用于预测，分类的输出是离散的类别值，而回归的输出是连续数值。()