Из линии границы также видно что

[hasinam2206]

были допущены некоторые ошибки при классификации некоторых собак как кошек и наоборот.

Эта проблема возникает в случаях, когда атрибуты могут быть схожими, например, когда рост является одним из критериев классификации, а некоторые породы собак могут иметь более короткие тела.

Чем больше размер обучающих данных, тем меньше вероятность ошибки.

Проблема классификации - источник некоторые ключевые особенности band изображения - ru. Proft. Me
Проблема классификации
Однако в некоторых случаях модель классификации может представлять непрерывное значение вместо дискретного, что позволяет отобразить вероятность применимости определенной категории.

Например, определенному животному может быть присвоена вероятность 0,9 того, что оно является собакой, и 0,1 того, что оно является кошкой.

Это просто означает, что вероятность того, что это животное — собака, выше.

В таких случаях прогнозируемая вероятность преобразуется в дискретное значение класса путем выбора значения с наибольшей/максимальной вероятностью.

2. Регрессия
Алгоритм регрессионного прогнозирования не определяет «категорию» переменной, а присваивает ей количество/число на основе исторических данных.

Он использует взаимосвязь между независимой переменной и зависимой переменной из исторических данных о взаимосвязях и прогнозирует количество.

Типичным примером этого является прогнозирование температуры на определенный день или прогнозирование цен на сырьевые товары с учетом времени.