区分回归问题和分类问题
回归问题和分类问题的区别
- 回归问题
用一个经典的问题来解释：假设你想买房子，手头上仅有的是之前出售的房子的占地面积大小和房子的价格，你想凭借手头上的这些数据来买一套不错的房子，那么你仅有的关于房子的信息是房子的占地大小，也就是就一个特征，那么这样的问题被称为单一特征回归问题。
再假设一下，还是买房子，如果此时你手头上除了房子的占地大小这一个信息之外，还有房子邻街的距离、房子的高度、房子的周围的环境等等信息，你想凭借这些信息来选一套房子，那么此时你所拥有的是关于房子的多个特征，这样的问题是多特征回归问题。
总结一下，除了特征的数量不同，这两种描述都是回归问题，回归问题的特点是你所预测的量是一个连续的值，比如这里是预测房屋价格，价格是一个连续的值。 - 分类问题
用一个简单的例子：西瓜的好坏。给定西瓜的若干特征，需要你根据这些特征来判断这个西瓜是好是坏。所给的特征可以是一个也可以是多个。
分类问题的最大的特点是所预测的值是离散的，比如这里的西瓜的好坏，两种情况，不是好就是坏。再比如是否生病，不是生病就是不生病。当然这两个例子都是两种情况的分类问题即二分类，如果多分类问题呢？比如手写数字识别，就是多分类问题，对于一张照片传进来，只能判断是0~9之间的一个数字，其他的就不会预测。
说完两者的简单介绍以及区别之后，思考为什么多数线性回归不适合用在分类问题上（为了好理解我们拿线性假设函数来说明）？
比如下面的这个图：
是一个回归问题，因为因变量是一个连续的值，我们可以使用一条一线来拟合它。看看下面这张图：
假设它的横坐标的含义是肿瘤的大小，纵坐标代表是否有癌症，那么这样的问题是一个二分类问题，如果数据量不多，如这个图一样，用一条直线来拟合还说的过去，如果在x=30的地方有一个值，毫无疑问，很遗憾这位病人患了癌症，这个值能去掉吗？不能，它仍然有意义，这样的情况下如果还是用线性回归来拟合会很不适合。其实其他的例子也可以说明线性回归不适合用来预测分类问题。
区分回归问题和分类问题相关推荐
- 【机器学习基础】(三)：理解逻辑回归及二分类、多分类代码实践
本文是机器学习系列的第三篇,算上前置机器学习系列是第八篇.本文的概念相对简单,主要侧重于代码实践. 上一篇文章说到,我们可以用线性回归做预测,但显然现实生活中不止有预测的问题还有分类的问题.我们可以从 ...
- 降维后输入分类器分类时报错_逻辑回归解决多分类方法及其优缺点分析
众所周知,逻辑回归常用于解决二分类任务,但是在工作/学习/项目中,我们也经常要解决多分类问题.本文总结了 3 种逻辑回归解决多分类的方法,并分析了他们的优缺点. 一.One-Vs-Rest 假设我们要 ...
- 机器学习：理解逻辑回归及二分类、多分类代码实践
作者 | caiyongji 责编 | 张红月 来源 | 转载自 caiyongji(ID:cai-yong-ji) 本文的概念相对简单,主要侧重于代码实践.现实生活中不止有预测的问题还有分类的问 ...
- 机器学习(三)：理解逻辑回归及二分类、多分类代码实践
本文是机器学习系列的第三篇,算上前置机器学习系列是第八篇.本文的概念相对简单,主要侧重于代码实践. 上一篇文章说到,我们可以用线性回归做预测,但显然现实生活中不止有预测的问题还有分类的问题.我们可以从 ...
- 贝叶斯岭回归（BayesianRidge）、自动关联决策回归、高斯过程、核函数、及高斯回归、高斯过程分类
贝叶斯岭回归(BayesianRidge).自动关联决策回归.高斯过程.核函数.及高斯回归.高斯过程分类 目录
- 【深度学习】Keras实现回归和二分类问题讲解
[深度学习]Keras实现回归和二分类问题讲解 文章目录 [深度学习]Keras实现回归和二分类问题讲解 1 回归问题1.1 波士顿房价预测数据集1.2 构建基准模型1.3 数据预处理1.4 超参数 ...
- Keras【Deep Learning With Python】逻辑回归·softmax多分类与交叉熵
文章目录 1 逻辑回归 1.2 Sigmod函数 1.2 逻辑回归损失函数 2 交叉熵 3 softmax分类 1 逻辑回归 回答0或1 1.2 Sigmod函数 0.9是好人 0.1是坏人 二分类 ...
- stanford coursera 机器学习编程作业 exercise 3（逻辑回归实现多分类问题）
本作业使用逻辑回归(logistic regression)和神经网络(neural networks)识别手写的阿拉伯数字(0-9) 关于逻辑回归的一个编程练习,可参考:http://www.cnb ...
- 用二项逻辑斯蒂回归解决二分类问题
逻辑斯蒂回归: 逻辑斯蒂回归是统计学习中的经典分类方法,属于对数线性模型.logistic回归的因变量可以是二分类的, 也可以是多分类的 基本原理 logistic 分布 折X是连续的随机变量,X服从 ...
最新文章
- Delphi_01_控制台版HelloWorld
- VScode中Python的交互式命令环境使用笔记
- 六、WebApp 二手信息站点页面制作（IVX 快速开发教程）
- java 8 排序_一遍记住 8 种排序算法与 Java 代码实现
- 超详细在Ubuntu下安装JDK图文解析
- python-day74--知识总体总结
- Java 设计模式 之 访问者模式
- 计算机网络及标准化组织
- js中this指向的四种规则+ 箭头函数this指向
- 系统学习机器学习之cox模型
- 计算机操作系统32位,电脑操作系统中32位和64位的区别
- Mac删除软件之后图标还在怎么办？
- 【javaEE】网络编程套接字
- linux下安装以太坊(ETH/ETC)节点
- validate.js
- superset 1.3 地图 汉字 展示,省市编码 ISO3166
- SQLServer 2008中事务日志已满问题处理
- 三层网络渗透测试实验
- 博弈论——非合作博弈 什么是纳什均衡
- java oxygen下载_Eclipse 下载 安装 (Oxygen版本)