最近正在研究YOLO,论文中提到YOLO检测变成一个回归问题,那么什么是回归 ?
感谢前辈@水亦心的讲解,通透!!!
分类、回归
对输入的目标,判断他的类别,输出其预测值
二者区别
输出不同:
1、分类问题输出的是类别;回归问题输出的是预测值
2、分类值是离散的,回归值实现连续的。
3、分类问题输出定性值,回归问题输出值是定量。
目的不同:
分类的目的是为了寻找决策边界,即分类算法得到是一个决策面,用于对数据集中的数据进行分类。
回归的目的是为了找到最优拟合,通过回归算法得到是一个最优拟合线,这个线条可以最好的接近数据集中的各个点。
结果不同:
分类的结果没有逼近,对就是对,错就是错,什么类别就是什么类别,最终结果只有一个。
回归是对真实值的一种逼近预测,值不确定,当预测值与真实值相近时,误差较小时,认为这是一个好的回归。
应用
分类问题应用非常广泛。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。
回归问题通常是用来预测一个值。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。