第603章 机器学习里的分类问题和回归问题，一个故事解释[2/2页]

天才一秒记住本站地址：[妙书坊]https://m.miaoshufangxs.com最快更新！无广告！

    bsp;这个过程就是回归问题——它的目标是预测一个连续的数值，而不是一个固定类别。

    回归问题的典型特征：

    答案是一个数值，而不是分类标签（如“明天卖

    76

    杯”而不是“卖得多”或“卖得少”）

    数据之间有连续性的关系（温度从

    20°C

    到

    40°C，销量随之变化）

    最终输出是一个数值预测（如“销量=76”）

    现实中的应用：

    ?

    预测房价（基于面积、地段等因素预测房价）

    ?

    预测股票价格（基于历史数据预测未来走势）

    ?

    预测某人未来的收入（基于年龄、教育、工作经验等）

    用比喻解释分类问题和回归问题

    1.

    分类问题——“选择哪种衣服？”

    想象你站在衣柜前，思考今天穿什么衣服。你会根据天气决定：

    ?

    晴天

    →

    穿T恤

    ?

    下雨

    →

    穿雨衣

    ?

    下雪

    →

    穿羽绒服

    这是一个分类问题，因为你的决策结果是几个固定选项之一（T恤、雨衣、羽绒服）。

    2.

    回归问题——“决定穿多厚？”

    如果你不仅要决定穿什么，还想确定该穿多厚的衣服，就成了回归问题。

    你会想：

    ?

    10°C，应该穿厚毛衣+外套（厚度

    8

    分）

    ?

    20°C，应该穿薄外套（厚度

    5

    分）

    ?

    30°C，应该穿短袖（厚度

    2

    分）

    这样，你的决定不只是T恤/雨衣/羽绒服，而是一个连续数值（衣服的厚度），这就类似于回归问题。

    总结

    对比点

    分类问题

    回归问题

    输出类型

    固定类别（离散值）

    连续数值

    目标

    识别类别（苹果

    or

    橘子）

    预测数值（温度

    vs.

    柠檬水销量）

    典型应用

    垃圾邮件分类、疾病诊断

    房价预测、销量预测

    示例

    这封邮件是垃圾邮件吗？（是/否）

    明天应该卖多少杯柠檬水？（75

    杯）

    分类问题适合选出某个类别，而回归问题适合预测一个数值。希望这些比喻能帮你更容易理解它们的区别！

第603章 机器学习里的分类问题和回归问题，一个故事解释[2/2页]

『加入书签，方便阅读』