Explanation:
最も基本的な意味では、回帰は数値ターゲットの予測を指します。
線形回帰は、1 つ以上の独立変数と数値結果、つまり従属変数との間に線形関係を確立しようとします。
このモジュールを使用して線形回帰法を定義し、ラベル付きデータセットを使用してモデルをトレーニングします。トレーニング済みのモデルは予測に使用できます。
誤った回答:
分類は、データを使用してデータの項目または行のカテゴリ、タイプ、またはクラスを決定する機械学習の方法です。
機械学習におけるクラスタリングとは、データポイントを類似したクラスターにグループ化する手法です。セグメンテーションとも呼ばれます。
長年にわたり、多くのクラスタリングアルゴリズムが開発されてきました。ほぼすべてのクラスタリングアルゴリズムは、個々のアイテムの特徴を利用して類似アイテムを見つけます。例えば、人口統計に基づいて類似する人物を見つけるためにクラスタリングを適用できます。また、テキスト分析とクラスタリングを組み合わせて、類似したトピックや感情を持つ文をグループ化することもできます。
参照：
https://docs.microsoft.com/en-us/azure/machine-learning/アルゴリズムモジュールリファレンス/線形回帰
https://docs.microsoft.com/en-us/azure/machine-learning/studio-module-reference/machine-learning-initialize- モデルクラスタリング