分类与回归的关系和区别

最新推荐文章于 2020-12-14 14:52:21 发布
转载 最新推荐文章于 2020-12-14 14:52:21 发布 · 223 阅读 · 1

走刀口

分类和回归的区别在于输出变量的类型。

定量输出称为回归，或者说是连续变量预测；
定性输出称为分类，或者说是离散变量预测。

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。

 

输入变量与输出变量均为连续变量的预测问题是回归问题；
输出变量为有限个离散变量的预测问题成为分类问题；
输入变量与输出变量均为变量序列的预测问题成为标注问题。

摘自：李航《统计学习方法》p4

分类问题和回归问题区别与联系
Mr数据杨
02-03 1万+
分类和回归是机器学习中的两大主要预测任务，二者在输出类型、评价方式和应用场景上存在显著区别。分类模型通常用于预测标签，回归模型用于预测数量。理解分类与回归的本质差异有助于更有效地选择算法和评价指标，从而在特定任务中获得更佳的预测效果。在实际应用中，通过适当的任务转换，可以拓展算法的应用场景，并提高模型的灵活性。
回归、分类、聚类任务的介绍和区别
weixin_44808274的博客
09-07 3149
回归任务的目标是预测连续数值，分类任务的目标是将数据划分为离散类别，而聚类任务的目标是将数据分组为相似的类簇。
机器学习 --- 1. 线性回归与分类, 解决与区别
小小鸟小小
04-09 5万+
机器学习可以解决很多问题，其中最为重要的两个是 回归与分类。 这两个问题怎么解决， 它们之间又有什么区别呢？ 以下举几个简单的例子，以给大家一个概念 1. 线性回归 回归分析常用于分析两个变量X和Y 之间的关系。 比如 X＝房子大小 和 Y＝房价 之间的关系， X=(公园人流量，公园门票票价） 与 Y=(公园收入) 之间的关系等等。 那么你的数据点在图上可以这么看 现在你想找到 房
分类与回归的区别
weixin_34129696的博客
12-13 387
Chevalier Meirtz的总结如下： 如何区分类与回归，看的不是输入，而是输出的连续与否。例如：云青青兮欲雨。这个“云青青”就是输入，“青青”就是云的特征，而雨就是我们的预测输出。可以看到，在这个问题中，我们想得到的输出是天气，他是晴朗、阴天等天气状况的子集，是不连续的，所以这就是一个典型的分类问题。有一个新手特别容易犯的错误就是，认为logistic回归属于回归。但是， logi...
分类和回归区别
weixin_33713350的博客
04-16 225
分类和回归区别在于输出变量的类型。 定量输出称为回归，或者说是连续变量预测； 定性输出称为分类，或着说是离散变量预测。   举个栗子： 预测明天气温多少——回归问题； 预测明天晴天还是阴天——分类问题。   注：定量、定型区别（举例） 一个人向东走，这是定性描述。一个人向东走300米，这是定量描述。定量比定性更加精确详细。  ...
回归(regression)与分类(classification)的区别
飘过的春风
06-22 3万+
“无意中发现了一个巨牛的人工智能教程，忍不住分享一下给大家。教程不仅是零基础，通俗易懂，而且非常风趣幽默，像看小说一样！觉得太牛了，所以分享给大家。点这里可以跳转到教程。” 回归与分类的不同 1.回归问题的应用场景（预测的结果是连续的，例如预测明天的温度，23，24，25度） 回归问题通常是用来预测一个值，如预测房价、未来的天气情况等等，例如一个产品的实际价格为500元，通过回归分析预测值为...
“分类”和“回归”问题的区别
刘明的博客
03-21 3万+
其实分类和回归的本质是一样的，都是对输入做出预测，其区别在于输出的类型。 分类问题：分类问题的输出是离散型变量(如: +1、-1)，是一种定性输出。(预测明天天气是阴、晴还是雨) 回归问题：回归问题的输出是连续型变量，是一种定量输出。(预测明天的温度是多少度)。...
分类与回归的本质区别
betterzl的博客
12-14 674
目录从 training 角度来看，分类与回归的本质区别在于输出空间是否为一个度量空间，即目标函数不同从 prediction 角度来看，分类模型与回归模型本质一样，分类模型可将回归模型的输出离散化（下面例子 1、2、4、5），回归模型也可将分类模型的输出连续化（下面例子 3） 从 training 角度来看，分类与回归的本质区别在于输出空间是否为一个度量空间，即目标函数不同 回归问题与分类问题本质上都是要建立映射关系：f(x)→y,x∈A,y∈Bf(x) \rightarrow y,x \in A,y \
COX回归与logistic回归区别.doc
10-20
Logistic 回归是线性回归的一种扩展，用于预测二分类或多分类问题，而 COX 回归则用于生存分析，研究生存时间和风险因素之间的关系。 Logistic 回归的优点在于其易于理解和解释，例如，如果某个危险因素使得发病...
人工智能和机器学习之分类算法：逻辑回归与神经网络的联系与区别.docx
最新发布
08-29
人工智能和机器学习之分类算法：逻辑回归与神经网络的联系与区别.docx
回归模型和分类模型的区别
PacosonSWJTU的博客
03-31 7567
转自： https://www.zhihu.com/question/21329754 分类和回归的区别在于输出变量的类型。 定量输出称为回归，或者说是连续变量预测； 定性输出称为分类，或者说是离散变量预测。 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。
分类与回归区别
u012413709的博客
07-16 195
https://www.zhihu.com/question/20446337
回归与分类区别
weixin_41636030的博客
03-01 550
分类与回归的区别在于输出的类型： 分类：分类问题输出的是离散型变量，比如（-1，+1），输出一种类别，可看做定性输出 回归：输出的是连续型变量，可看作定量输出 回归优化的对象是让平方误差最小 分类回归的对象是让交叉熵最小 异或问题：可看作单位正方形的四个角，响应输入模式为（0,0),(0,1),(1,1),(1,0);第一个和第三个属于类0，输入模式(0,0),(1,1)是单位正方形的两个相对的角...
分类与回归的关系
lskyne的专栏
01-08 1387
分类 图1线性可分的两类问题   从数学的角度看分类问题 已知： （1）函数的值域为有限个离散点 （2）函数在某些点上的函数值。 求解：寻找一个函数能较好地预测其他点上的函数值   回归   从数学的角度看分类问题 已知：    （1）函数的值域为整个实数域；   （2）函数在某些点上的函数值。 求解：    寻找一个函数能较好地
分类和回归的区别和联系
lxy9712的专栏
02-23 525
https://www.zhihu.com/question/21329754
机器学习中的回归(regression)与分类(classification)问题
热门推荐
小时候贼聪明
03-13 6万+
分类模型和回归模型本质一样，分类模型是将回归模型的输出离散化。
回归与分类的联系和区别是什么
06-08
回归和分类都是机器学习中的常见任务。它们的联系在于它们都是从输入数据中预测输出结果的过程。区别在于回归任务的输出是连续的数值或者实数，而分类任务的输出是离散的类别或标签。 举例来说，我们可以使用回归来预测房屋价格，这是一个连续的数值。我们也可以使用分类来识别图像中的数字，输出结果是一个离散的标签，表示数字的类别。 在实际应用中，我们需要根据具体的问题来选择使用回归还是分类。同时，回归和分类也有一些相同的算法和技术，比如线性回归和逻辑回归。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值