分类和回归的区别
主要在于输出变量的类型。
分类 :定性输出,或者也可以有条件地表述为离散变量预测。给定一个新的模式,根据训练集推断它所对应的类别(如:+1,-1),是一种定性输出,也叫离散变量预测。
回归:定量输出,或者也可以有条件地表述为连续变量预测。给定一个新的模式,根据训练集推断它所对应的输出值(实数)是多少,是一种定量输出,也叫连续变量预测。
当然,分类和回归数学中的区别也在于最后度量的损失函数不同。
李航《统计学习方法》的解释为:
输出变量为有限个离散变量的预测问题成为分类问题;
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;
输入变量与输出变量均为变量序列的预测问题成为标注问题。
分类与回归对比图如下:
分析的角度不同,分类和回归的区别点也不同,关键是清楚方法区别和应用场景。
几种经典方法分类和回归对比:
- 线性回归( Linear Regression)和逻辑回归(Logistic Regression )