分類（classification）與回歸（regression）的區別在於輸出變數的型別。
通俗理解，定量輸出稱為回歸，或者說是連續變數**；定性輸出稱為分類，或者說是離散變數**。
回歸問題的**結果是連續的，通常是用來**乙個值，如**房價、未來的天氣情況等等。乙個比較常見的回歸演算法是線性回歸演算法（lr，linear regression）。回歸分析用在神經網路上，其最上層不需要加上softmax函式，而是直接對前一層累加即可。回歸是對真實值的一種逼近**。
分類問題的**結果是離散的，是用於將事物打上乙個標籤，通常結果為離散值。分類通常是建立在回歸之上，分類的最後一層通常要使用softmax函式進行判斷其所屬類別。分類並沒有逼近的概念，最終正確結果只有乙個，錯誤的就是錯誤的，不會有相近的概念。最常見的分類方法是邏輯回歸（logistic regression），或者叫邏輯分類。
分類與回歸
分類與回歸問題 在用dbn 作手寫體識別實驗的時候，hinton 2006 年發表的 a fast learning algorithm for deep belief nets 所對應的 裡面用到 softmax 進行多分類。現就所查的資料和自己所理解的，整理這篇 blog softmax回歸模型...
分類與回歸的區別
在資料探勘 人工智慧等領域中存在兩個 分類和回歸。單說分類很容易理解，但想到回歸就容易分不清晰，那麼這兩者到底有什麼區別和聯絡呢？下面簡單介紹下我的理解。其實 回歸問題和分類問題的本質一樣，都是針對乙個輸入做出乙個輸出 其區別在於 輸出變數的型別。分類問題是指，給定乙個新的模式，根據訓練集推斷它所對...
CART分類與回歸樹
十大經典資料探勘演算法 系列 c4.5 k means svmapriori empagerank adaboost knnna ve bayes cart 分類與回歸樹 classification and regression trees,cart 是由四人幫leo breiman,jerome...