【机器学习小常识】“分类” 与 “回归”的概念及区别详解

ゞ浴缸里的玫瑰 2021-06-11 15:14 718阅读 0赞

**目录**

1、分类与回归是干嘛的？

2、二者有什么区别

1.输出不同

2.目的不同

3.本质不同

4.结果不同

3、场景应用

1.分类应用

2.回归应用

--------------------

学过机器学习的人都听过两个概念：分类与回归，特别的，在YOLO v1中，作者也提到了

YOLO之前的物体检测方法通常都转变为了一个分类问题，如 R-CNN、Fast R-CNN 等等。而YOLO将检测变为一个 回归问题。

那么这两个概念有什么联系，有什么区别呢？

写这篇博客，参考过很多人的简介，不同的人给的回复也不同， 在这里，我把他们汇总一下。

# 敲黑板 #

重点来啦重点来啦！！！

## 1、分类与回归是干嘛的？ ##

不管是分类，还是回归，其本质是一样的，都是**对输入做出预测**，并且**都是监督学习**。说白了，就是根据特征，分析输入的内容，判断它的类别，或者预测其值。

## 2、二者有什么区别 ##

重要要研究的就是两者的区别

### 1.输出不同 ###

**1.分类问题输出的是物体所属的类别，回归问题输出的是物体的值。**

例如，最近福州天气比较怪（阴晴不定，像极了女朋友的脾气），为了能够对明天穿衣服的量以及是否携带雨具做判断，我们就要根据已有天气情况做预测。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_26_color_FF21FF_t_70][]

上图中的天气可以分为：晴、阴、雨 三类，我们只知道今天（2019年3月26日）及之前的天气，我们会预测明天及以后几天的天气情况，如明天阴，下周一晴，这就是分类；

每一天的天气温度，我们知道今天及以前几天的温度，我们就要通过之前的温度来预测现在往后的温度，每一个时刻，我们都能预测出一个温度值，得到这个值用的方法就是回归。

**2.分类问题输出的值是离散的，回归问题输出的值是连续的**

**注：这个离散和连续不是纯数学意义上的离散和连续。**

在数学上的连续是指，在某一个点处的极限值等于在这个点的函数值。很明显，回归问题不可能测得连续值。因为我们测得的两个值再接近，这两个值之间还是会存在实数域上的值，比如我们测得空气温度是11°和10.999°（现实情况中，测空气温度小数点后三位几乎没什么意义，在此只是作为例子来说明问题），在这两个值之间还有无穷多个值，比如：10.9999°，10.99999°等等。测得的值是有范围的，小数点多少位以后，值就测不到了。

那我们怎么去理解离散和连续呢？

我们可以这么理解：离散就是规定好有有限个类别，这些类别是离散的。连续就是理论上可以取某一范围内的任意值，比如现在28°，当然这是我们测出来的，但是实际温度可能是无限趋于28。也就是说，回归并没有要求你的值必须是那个类别，你只要能回归出一个值，在可控范围内即可。

**3.分类问题输出的值是定性的，回归问题输出的值是定量的**

首先我们要先给大家说一下什么是定性和定量。

所谓定性是指**确定某种东西的确切的组成有什么或者某种物质是什么**，这种测定一般不用特别的测定这种物质的各种确切的数值量。

所谓定量就是指**确定一种成分（某种物质）的确切的数值量**，这种测定一般不用特别的鉴定物质是什么，

举个例子，这是一杯水，这句话是定性；这杯水有10毫升，这是定量。

### 2.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。

### 3.本质不同 ###

这个是我看到的别人在分析两者的差别时提到的，分享给大家。

（[原文：https://www.zhihu.com/question/21329754/answer/204957456][https_www.zhihu.com_question_21329754_answer_204957456]）

所谓的离散与连续的差别是分类与回归的不同的表象，而非本质，本质在于损失函数的形式不同。

### 4.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。（例如一个产品的实际价格为5000元，通过回归分析预测值为4999元，我们认为这是一个比较好的回归分析。）

## 3、场景应用 ##

我们的主要目的还是为了应用，而不是单纯了解他们有什么不同。

### 1.分类应用 ###

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。

例如判断一幅图片上的动物是一只猫还是一只狗，判断明天天气的阴晴，判断零件的合格与不合格等等。

### 2.回归应用 ###

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。一个比较常见的回归算法是线性回归算法（LR）

如预测房价、股票的成交额、未来的天气情况等等。

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_26_color_FF21FF_t_70]: /images/20210516/272a7af73d684a91b9c27d2ff4ca09ca.png
[https_www.zhihu.com_question_21329754_answer_204957456]: https://www.zhihu.com/question/21329754/answer/204957456