Почему прогнозирование длины лосося на основе (или как функция) его возраста и веса является проблемой регрессии?

Question

Когда мы пытаемся предсказать длину лосося на основе его возраста и веса, здесь возраст и вес являются характеристиками. А длина - это класс, то есть числовой класс вместо текстового.

Таким образом, мы можем обучить модель с учетом различных комбинаций возраста, веса и соответствующей длины.

Почему прогнозирование длины лосося на основе (или в зависимости от) его возраста и веса проблемы регрессии?

Answer 1

Прогнозирование длины лосося можно представить как проблему регрессии, поскольку

• Набор возможных выходов не ограничен. ¹
• Нет способ перечисления всех возможных результатов.
• Это также подразумевает, что набор возможных предсказаний не известен во время обучения.

Это весьма отличается от задачи классификации, где набор возможные выходы фиксированы, известны во время обучения и где их можно перечислить.

---

¹ _{На самом деле, в случае длины fi sh длина меньше чем 0.0 неосуществимо, но в положительной области выходы не ограничены.}

Answer 2

Неважно, какие у вас функции, но что вы предсказываете.

Вы всегда можете преобразовать проблему регрессии в проблему классификации. Просто поместите ваши выходы в фиксированное количество лотков, например, "Класс A: длина от 70 см до 1 м" и т. Д. c.

Если вы выполняете классификацию с большим количеством лотков, вместо этого вы тратите впустую драгоценные тренировочные данные, чтобы выучить то, что вы уже знаете: для корзин одинаковой длины должны быть получены аналогичные прогнозы.