math - 在使用回归而不是分类之前可以接受多少标签

Question

我有一个问题，我试图在 python 中使用监督学习。我有一系列 x,y 坐标，我知道它们属于一个数据集中的标签。在另一个我只有x，y坐标。我将使用一组来训练另一组，我的方法是监督学习并使用分类算法（线性判别分析），因为标签的数量是离散的。尽管它们是离散的，但它们的数量很大（n=~80,000）。我的问题是，我应该在哪些标签数量上考虑回归而不是分类，其中回归更适合连续标签。我使用 SciKit 作为我的机器学习包，并使用 astronml.orgs 优秀教程作为指南。

Answer 1

这与数字无关。这是关于是否连续。如果您有 80,000 个课程或更多课程，则无关紧要；只要相邻类之间没有相关性（例如类 i 和 i+1），就应该使用分类（而不是回归）。

回归仅在标签是连续的（例如实数）或至少在相邻类之间存在相关性时才有意义（例如，当标签显示某物的计数时，您可以进行回归然后将结果四舍五入） .