如何判断一个问题是否应该使用回归或分类模型？

Question

一旦我们知道这个问题需要用监督学习来解决，我们如何知道是否要用回归分析或分类算法来解决这个问题呢？有什么可以使用的拇指规则吗？

大部分资源在线给出了标准房价的回归模型和恶性/良性肿瘤地块的分类模型。这对我没多大帮助。

是否有概念方法来分析给定的问题？

Answer 1

一个好的经验法则是查看目标/响应变量的测量水平。如果在标称尺度上测量响应，那么这个问题就是分类问题。例如，名义上的价值是一个类别的标签，这些类别没有自然秩序，比如政治学中的政党，生物学中的物种，或者语法中的词类。

如果以比率或间隔尺度衡量响应，则存在回归问题。区间尺度上的值是指可以比较值之间的差值程度的值，但不能比较它们之间的比率，例如温度(在Farenheit或摄氏尺度上，但不能用开尔文)，或者日历中的日期值。比例尺上的数值可以与差别程度和比率相比较，就像开尔文尺度上的质量、速度或温度等大多数物理量一样。

序数尺度更难放置在任何一个角落。我通常会说，你有一个排序问题的顺序反应。然而，排序问题可以使用两种分类，例如使用比较器，和回归，如序数回归。序数尺度上的值是有序的，或者是排序的，但是对于任何两个值之间的差异程度，你不能说任何有意义的东西，例如在一场比赛中赛车手的排名。

Answer 2

从一组示例中学习到x到y的映射可以概念化为查找函数f，这样：

y = f(x)
x is vector of features, for e.g., car_model, car_version, city as vector of features for price prediction of used car.
y is output variable, for e.g., price of car x sold at.

如果y是连续的，则该问题是一个回归问题，如果y是离散的，则该问题是一个分类问题。

连续隐含y可以取实尺度上的任意值我，j，离散隐含y可以取{a，b，…，d}集合的值。

Answer 3

目标值是否已排序？那就很可能是倒退。

否则分类。

见测量水平。

示例

回归

• 价格预测
• 评级预测

分类

• 预测用户的性别
• 预测等级(狗，猫，房子，飞机，.)图像中的对象

然而，我要说的是，对于两门课来说，这并没有什么大的区别。在预测用户性别的情况下，您也可以预测用户是女性的可能性。这只是同一个问题的一个微小的变化(忽略这)。