分类还是回归

回归的输出是连续的，比如：1、2、3、4、5、6。注意，所谓“连续”意味着是有序的，是排序的。比如输出为3，那么我们可以肯定真实为3、4、5、6的可能性顺序减小，真实为2、1的可能性也是顺序减小。

分类的输出是：A类、B类、C类。注意，所谓“分类”意味着ABC之间不存在排序，不存在谁比谁更亲密或更远、可能或更不可能。输出为A，那么不意味着真实为B的可能性比C更大。

作者：匿名用户
链接：https://www.zhihu.com/question/21329754/answer/190709673
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

分类问题的目的在于寻找决策边界。

个人认为：

“回归与分类的根本区别在于输出空间是否为一个度量空间。”

我们不难看到，回归问题与分类问题本质上都是要建立映射关系：

而两者的区别则在于：

• 对于回归问题，其输出空间B是一个度量空间，即所谓“定量”。也就是说，回归问题的输出空间定义了一个度量 去衡量输出值与真实值之间的“误差大小”。例如：预测一瓶700毫升的可乐的价格（真实价格为5元）为6元时，误差为1；预测其为7元时，误差为2。这两个预测结果是不一样的，是有度量定义来衡量这种“不一样”的。（于是有了均方误差这类误差函数）。
• 对于分类问题，其输出空间B不是度量空间，即所谓“定性”。也就是说，在分类问题中，只有分类“正确”与“错误”之分，至于错误时是将Class 5分到Class 6,还是Class 7，并没有区别，都是在error counter上+1。

作者：陶韬
链接：https://www.zhihu.com/question/21329754/answer/204957456
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。