В чём разница между задачами регрессии и классификации ранжирования

Регрессия предсказывает непрерывные числовые значения (например, цену дома), классификация — дискретные метки (например, спам/не спам), а ранжирование упорядочивает объекты по релевантности (например, поисковая выдача).

Пример классификации (бинарной):

from sklearn.linear_model import LogisticRegression
model = LogisticRegression()
model.fit(X_train, y_train)  # y_train — 0 или 1

Пример регрессии:

from sklearn.linear_model import LinearRegression
model = LinearRegression()
model.fit(X_train, y_train)  # y_train — любое число

Ранжирование часто использует метрики типа NDCG или подходы типа Learning-to-Rank (например, LambdaMART).