machine-learning - 我可以通过对类进行编码将分类问题转化为回归问题吗?
问题描述
如果所有分类标签都可以用数值表示,这是否意味着我可以通过将分类标签编码为数字来在任何分类任务上使用回归模型?
我最近正在研究一个二进制分类问题,它有两种输出类型:“0”表示正数,“1”表示负数。我已经使用 Random-Forest-Classifier 来解决这个问题,但我看到其他人使用 Random-Forest-Regressor 来解决同样的问题。经过思考,这对我来说是有意义的——最终期望的输出是连续值,我可以训练一个回归模型来获得代表输出类的预测连续值。
这让我思考是否可以在其他分类任务上使用回归模型。例如:
为了对'cat'和'dog'这两个图像进行分类,我使用LabelEncoder将其编码为0和1,然后它就变成了一个回归问题。
希望我的问题很清楚,感谢您的帮助!
解决方案
你不能。你不能定义 Cat < Dog 或 Dog < Cat。回归基于该假设。当您将回归用于逻辑回归等二元分类时,它实际上是在预测作为连续变量的类的概率。
推荐阅读
- python - pygame 函数似乎运行了两次
- javascript - 如何使用快速路由器设置速率限制
- php - Laravel 中间件使用碳
- google-chrome - Chrome 扩展显示上下文菜单,左键单击而不弹出
- javascript - 使用 javascript 将数据提取到表中
- local-storage - 如何将多个类切换状态保存到本地存储?
- c - bno055 IMU 校准
- java - Lombok 字符串数组属性
- r - 为什么 R 中的函数没有在所有输入集上运行?我收到此错误:替换有 1 行,数据有 5
- typescript - 如何使用@babel/preset-typescript 编译 TypeScript 类?