机器学习中的回归(regression)与分类(classification) 的理解(区别)
举几个例子: 一、 二、讨论一下时间序列模型 三、用通俗一点的话可以概括为： 分类和回归的区别在于输出变量的类型。 定量输出称为回归，或者说是连续变量预测； 定性输出称为分类，或者说是离散变量预测。 举个例子： 预测明天的气温是多少度，这是一个回归任务； 预测明天是阴、晴还是雨，就是一个分类任务。
相关文章
- 1. 回归(regression)与分类(classification)的区别
- 2. 机器学习中分类与回归的解决与区别
- 3. 分类(classification)与回归(regression)的关系
- 4. 区分识别机器学习中的分类与回归
- 5. 机器学习笔记04：逻辑回归(Logistic regression)、分类(Classification)
- 6. 机器学习--回归（Regression）
- 7. 机器学习 回归分析(regression analysis)
- 8. 机器学习---分类、回归、聚类、降维的区别
- 9. 机器学习-分类与回归
- 10. [机器学习] 分类(Classification)——贝叶斯分类 (Bayes Classification) 和逻辑回归 (Logistic Regression)
- 更多相关文章...
- • ARP协议的工作机制详解 - TCP/IP教程
- • TiDB数据库的管理机制 - NoSQL教程
- • Kotlin学习（二）基本类型
- • 漫谈MySQL的锁机制
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 回归(regression)与分类(classification)的区别
- 2. 机器学习中分类与回归的解决与区别
- 3. 分类(classification)与回归(regression)的关系
- 4. 区分识别机器学习中的分类与回归
- 5. 机器学习笔记04：逻辑回归(Logistic regression)、分类(Classification)
- 6. 机器学习--回归（Regression）
- 7. 机器学习 回归分析(regression analysis)
- 8. 机器学习---分类、回归、聚类、降维的区别
- 9. 机器学习-分类与回归
- 10. [机器学习] 分类(Classification)——贝叶斯分类 (Bayes Classification) 和逻辑回归 (Logistic Regression)