• 机器学习中回归和分类的区别


    回归与分类的不同

    #导入回归
    from sklearn.ensemble import RandomForestRegressor
    #导入分类
    from sklearn.ensemble import RandomForestClassifier

    1.回归问题的应用场景(预测的结果是连续的,例如预测明天的温度,23,24,25度)

    回归问题通常是用来预测一个值,如预测房价、未来的天气情况等等,例如一个产品的实际价格为500元,通过回归分析预测值为499元,我们认为这是一个比较好的回归分析。一个比较常见的回归算法是线性回归算法(LR)。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。回归是对真实值的一种逼近预测。

    2.分类问题的应用场景(预测的结果是离散的,例如预测明天天气-阴,晴,雨)

    分类问题是用于将事物打上一个标签,通常结果为离散值。例如判断一幅图片上的动物是一只猫还是一只狗,分类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。最常见的分类方法是逻辑回归,或者叫逻辑分类。

    3.如何选择模型

    下面一幅图可以告诉实际应用中我们如何选择合适的模型。

    分类,回归,聚类,降维

  • 相关阅读:
    JAVA中的流-简介(二)
    JAVA中的流-简介(一)
    Java中内部类简介
    应用小练习-自定义栈
    集合知识点(二)
    集合知识点(一)
    JAVA中的正则表达式简介
    从头文件中学习sfr和sbit
    PCB中实现元器件旋转一个角度放置
    DXP中插入LOGO字体方法(2)
  • 原文地址:https://www.cnblogs.com/antique/p/10688895.html
Copyright © 2020-2023  润新知