2020-08-23

回归和二分类有啥区别

最近在用前馈神经网络实现回归和二分类，有时候越做实验越糊涂，所以来系统的梳理一下什么是回归，什么是二分类，以及两者之间的区别。

什么是回归？

首先说映射，其实就是我们所学的函数关系，有一个函数f，那么x和y就会有一个映射，y=f(x)。

回归是通过已知量预测未知量，如果有一个数据集X和另一个数据集Y，那么通过对一对对的x,y找规律就能得到x和y的大致函数关系。

有了这个函数关系，你再给我任意一个数x0，我都能预测出其对应的y0，这个过程就叫做回归，回归的结果是一个具体值。

当然，预测值虽然有一定的真实性，但是他与真实值Y0之间是有一定误差的，即Y0-y0，回归的误差通常用均方误差函数来计算。

什么叫二分类？

分类问题十分简单，分类其实就是“定性”，输入一个数值，分类可以将他分为0，或者是1。
那么二分类的损失函数如何计算呢？
举个例子说明一下：

我输入一个猫的图片，得分分为三类，分别是cat,dog and ship，显然与真实的情况不符合，因为真实情况是一只猫，所以分类结果与真实结果有误差，误差=MAX（0，（dog score-cat score）+(ship score-cat score)），通过这个误差函数表达式就可以知道，当分类正确时，也就是cat score>dog score,cat score>ship score时，误差函数的输出结果为0。这个误差显然不能用均方误差函数表示，所以用交叉熵你函数表示。

两者的区别

通过以上分析，就知道两者的区别主要在于损失函数的形式不同啊，这才是最重要的区别