AI、机器学习、深度学习三者之间的逻辑关系：

两种问题

（1）回归问题

回归问题是指预测一个或多个连续值的任务。这些连续值可以是任意实数，比如价格、温度、分数等。

回归问题的目标通常是 找到一个函数 ，该函数可以将输入变量（特征）映射到输出变量（目标值）上，使得预测值与实际值之间的误差最小。

• 示例：预测房价。输入变量可能包括房屋的面积、位置、房间数量等，输出变量是房价。
• 评估方法：常用的评估指标包括均方误差（MSE）、均方根误差（RMSE）、平均绝对误差（MAE）等。

（2）分类问题

分类问题是指将输入变量映射到离散的类别标签上的任务。这些类别标签通常是整数或者字符串，表示不同的类别。

分类问题可以进一步分为二分类（两个类别）和多分类（多于两个类别）。

• 示例：判断邮件是否为垃圾邮件（二分类）；识别图像中的物体（如猫、狗、汽车等，多分类）。
• 评估方法：常用的评估指标包括准确率（Accuracy）、精确率（Precision）、召回率（Recall）、F1分数（F1 Score）等。对于多分类问题，还可以使用混淆矩阵（Confusion Matrix）来详细评估模型的性能。