“识别”和“预测”概念的区别

目前的深度学习在学校研究中，备受学生的“认可”，似乎很多任务都可以采用它来进行解决。但在学习的过程中，有时候总是无法理解“识别”和“预测”两者之间的不同。以下总结一下自己的想法：

识别：识别是一个对已知采样数据集的“统计”过程，针对不同的特征参数，得到一个当前时刻的输出参数，这个输出参数就是一个识别的过程。可以是图像的缺陷识别或者是非线性输出识别（神经网络尝尝被用于非线性模型的建立，简化计算，如锂电池SOC、SOH估计等等）。

预测：预测是一个对已知采样数据集的“统计”+“推广”过程，针对不同的特征参数的变化趋势（可以是时间序列），得到一个下一时刻的输出参数，这个输出参数就是一个预测的过程。可以是医学图像中疾病的预测（根据CT得到的图像信息，预测是否可能出现的疾病问题），也可以是环境变化的预测（对气象变化的预测）。

输出参数的时间信息：当前时刻还是未来时刻，我认为这就是“识别”和“预测”的区别。识别能够优化当前整个模型的信息，预测能够把握未来整个模型的信息。两者都具有实际的意义，但是现在有一些的研究，某某预测，其实有时候都是没有意义的一种预测，放在研究中可能具有一定内容，但是结合实际来看，没有任何的意义和价值，比较的“虚”，但是“识别”不会出现这一问题，大家在进行研究时还是要对其进行一定的区分，再来进行选择。