1. 程式人生 > >迴歸和分類區別,及模型的選擇

迴歸和分類區別,及模型的選擇

轉自http://my.oschina.net/zzw922cn

本文主要介紹了迴歸問題與分類問題的不同應用場景以及它們訓練演算法的不同之處  

1.迴歸問題的應用場景

迴歸問題通常是用來預測一個值,如預測房價、未來的天氣情況等等,例如一個產品的實際價格為500元,通過迴歸分析預測值為499元,我們認為這是一個比較好的迴歸分析。一個比較常見的迴歸演算法是線性迴歸演算法(LR)。另外,迴歸分析用在神經網路上,其最上層是不需要加上softmax函式的,而是直接對前一層累加即可。迴歸是對真實值的一種逼近預測

2.分類問題的應用場景

分類問題是用於將事物打上一個標籤,通常結果為離散值。例如判斷一幅圖片上的動物是一隻貓還是一隻狗,分類通常是建立在迴歸之上,分類的最後一層通常要使用softmax函式進行判斷其所屬類別。分類並沒有逼近的概念,最終正確結果只有一個,錯誤的就是錯誤的,不會有相近的概念。最常見的分類方法是邏輯迴歸,或者叫邏輯分類

3.如何選擇模型

下面一幅圖可以告訴實際應用中我們如何選擇合適的模型。