深度学习——分类和回归问题联系与区别

深度学习——分类和回归问题联系与区别_第1张图片
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

你可能感兴趣的:(机器学习,人工智能)