深度学习——分类和回归问题联系与区别

分类和回归联系： 

本质都是一样的，对输入做预测，都是监督学习，即根据特征，分析输入的内容，判断它的类别，或者预测其值

分类和回归区别：

1.输出不同：

分类输出的值是离散的，回归输出的值是连续的；（但不是严格意义上数学的连续和离散）

分类输出物体的所属类别，回归输出物体的值；

分类输出的值是定性的，回归输出的值是定量的；

2.目的不同：

分类是为了寻找决策边界，回归是为了找到最优拟合

3.结果不同：

分类问题结果对就是对，错就是错

回归问题是对真实值的一种逼近预测

场景应用

1.分类应用

分类问题应用非常广泛。通常是建立在回归之上，分类的最后一层通常要使用softmax函数进行判断其所属类别。分类并没有逼近的概念，最终正确结果只有一个，错误的就是错误的，不会有相近的概念。

例如判断一幅图片上的动物是一只猫还是一只狗，判断明天天气的阴晴，判断零件的合格与不合格等等。

2.回归应用

回归问题通常是用来预测一个值。另外，回归分析用在神经网络上，其最上层是不需要加上softmax函数的，而是直接对前一层累加即可。一个比较常见的回归算法是线性回归算法（LR）。

如预测房价、股票的成交额、未来的天气情况等。

​这篇总结是根据这位博主的解释精简的：​ ​https://blog.csdn.net/shuiyixin/article/details/88816416​
-----------------------------------
转载：深度学习——分类和回归问题联系与区别
https://blog.51cto.com/u_15567091/5227236