分类和回归的区别
分类:classification
回归:regression
输入变量与输出变量均为连续变量的预测问题是回归问题
输出变量为有限个离散变量的预测问题为分类问题
输入变量与输出变量均为变量序列的预测问题为标注问题
分类问题和回归问题都要根据所给特征给出一个输出值,本质是一样的,不同的在于用法
拿LR为例,基于(0,1)离散值,实际上输出的不是(0,1)而是一个概率值。
我们去要选择一个阈值去设定,如果高于这个值,则为1 ,低于这个值,则为0
在探讨阈值之前, 本质上都可以作为回归为题,探讨阈值之后,实际上是一个拟合过程,回归问题
举个例子:
预测明天的气温是多少度,这是一个回归任务;
预测明天是阴、晴还是雨,就是一个分类任务。
特性 | 分类 | 回归 |
---|---|---|
输出类型 | 离散数据 | 连续数据 |
目的 | 寻找决策边界 | 找到最优拟合 |
评价方法 | 混淆矩阵 | 拟合优度 |
区别可以量化为3点:
1 分类问题离散值 回归问题连续值 也就是分类问题需要拟合的点少
2 回归问题多了决策边界的探索
3 功能不同,评价指标是不一样的
评分卡的具体使用优化
客观来讲评分卡是概率转化分值的过程
WOE值本质上的分箱结果是基于分类的变化过程
回归系数实际是一个相对拟合的结果,也就是概率值实际上是连续的