机器学习说到底，不就三件事：
预测一个数 —— 回归
判断归属哪个类 —— 分类
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。