回归和分类区别，及模型的选择

本文主要介绍了回归问题与分类问题的不同应用场景以及它们训练算法的不同之处  

回归问题通常是用来预测一个值&＃xff0c;如预测房价、未来的天气情况等等&＃xff0c;例如一个产品的实际价格为500元&＃xff0c;通过回归分析预测值为499元&＃xff0c;我们认为这是一个比较好的回归分析。一个比较常见的回归算法是线性回归算法&＃xff08;LR&＃xff09;。另外&＃xff0c;回归分析用在神经网络上&＃xff0c;其最上层是不需要加上softmax函数的&＃xff0c;而是直接对前一层累加即可。回归是对真实值的一种逼近预测

2.分类问题的应用场景

分类问题是用于将事物打上一个标签&＃xff0c;通常结果为离散值。例如判断一幅图片上的动物是一只猫还是一只狗&＃xff0c;分类通常是建立在回归之上&＃xff0c;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&＃xff0c;最终正确结果只有一个&＃xff0c;错误的就是错误的&＃xff0c;不会有相近的概念。最常见的分类方法是逻辑回归&＃xff0c;或者叫逻辑分类

3.如何选择模型

下面一幅图可以告诉实际应用中我们如何选择合适的模型。