他发现：

? 温度越高，卖出的柠檬水越多。

? 天气越晴朗，卖出的柠檬水也越多。

? 湿度太高时，人们反而不太想买柠檬水。

他收集了一些数据，比如：

? 昨天 30°C，卖出 50 杯

? 昨天 35°C，卖出 70 杯

? 昨天 28°C，卖出 45 杯

他想建立一个预测模型，比如：

这样，如果明天预测是 32°C，他可以计算：

那么，他就应该准备大约 76 杯柠檬水。

这个过程就是回归问题——它的目标是预测一个连续的数值，而不是一个固定类别。

回归问题的典型特征：

答案是一个数值，而不是分类标签（如“明天卖 76 杯”而不是“卖得多”或“卖得少”）

数据之间有连续性的关系（温度从 20°C 到 40°C，销量随之变化）

最终输出是一个数值预测（如“销量=76”）

现实中的应用：

? 预测房价（基于面积、地段等因素预测房价）

? 预测股票价格（基于历史数据预测未来走势）

? 预测某人未来的收入（基于年龄、教育、工作经验等）

用比喻解释分类问题和回归问题