本文深入探讨了机器学习中回归与分类问题的本质区别，回归问题预测连续数值，而分类问题则预测离散类别。通过实例说明，如预测气温为回归，预测天气状况为分类。并指出两种模型间的转换可能性。
回归问题和分类问题的本质一样，都是针对一个输入做出一个输出预测，其区别在于输出变量的类型。
分类问题是指，给定一个新的模式，根据训练集推断它所对应的类别（如：+1，-1），是一种定性输出，也叫离散变量预测；
回归问题是指，给定一个新的模式，根据训练集推断它所对应的输出值（实数）是多少，是一种定量输出，也叫连续变量预测。
举个例子：预测明天的气温是多少度，这是一个回归任务；预测明天是阴、晴还是雨，就是一个分类任务。
分类模型可将回归模型的输出离散化，回归模型也可将分类模型的输出连续化。
（摘自其他文章）
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
