支持的目标类型为：('binary'，'multiclass')。取而代之的是“连续”

支持的目标类型为：('binary'，'multiclass')，取而代之的是“连续”。

在机器学习和统计学中，目标类型是指我们要预测或分类的变量的类型。常见的目标类型包括二元分类（binary classification）、多类分类（multiclass classification）和回归（regression）。

1. 二元分类（binary classification）：目标变量只有两个可能的取值。例如，判断一封电子邮件是否为垃圾邮件，将其分类为垃圾邮件（1）或非垃圾邮件（0）。
2. 多类分类（multiclass classification）：目标变量有多个可能的取值。例如，将一张图片分类为猫、狗、鸟或鱼等多个类别。
3. 回归（regression）：目标变量是连续的数值。例如，根据房屋的面积、卧室数量等特征预测房屋的价格。

对于支持的目标类型为连续的情况，通常指的是回归问题。在回归问题中，我们的目标是预测一个连续的数值，而不是分类到离散的类别中。

对于连续目标类型的问题，可以使用各种机器学习算法和技术来进行建模和预测，如线性回归、决策树回归、支持向量回归等。此外，还可以使用深度学习模型如神经网络来处理复杂的连续目标类型问题。

腾讯云提供了丰富的云计算产品和服务，可以支持连续目标类型的问题。例如，腾讯云的机器学习平台（https://cloud.tencent.com/product/tiia）提供了图像识别、人脸识别、文字识别等功能，可以用于处理连续目标类型的问题。另外，腾讯云的云服务器（https://cloud.tencent.com/product/cvm）和云数据库（https://cloud.tencent.com/product/cdb）等产品也可以用于支持连续目标类型的应用场景。

总结起来，支持的目标类型为('binary'，'multiclass')，取而代之的是“连续”。在连续目标类型的问题中，我们需要预测的是一个连续的数值，而不是分类到离散的类别中。腾讯云提供了多种产品和服务，可以支持处理连续目标类型的问题。