🍊作者简介：秃头小苏，致力于用最通俗的语言描述问题
🍊专栏推荐：深度学习网络原理与实战
🍊近期目标：写好专栏的每一篇文章
🍊支持小苏：点赞👍🏼、收藏⭐、留言📩
分类和回归的区别
最近在看RCNN系列的目标检测算法时，发现自己对回归和分类的概念不是很清楚。对于分类来说，直观上很好理解，就是把一些列物体分成若干类，如分成猫类狗类等等🌱🌱🌱但涉及到回归，对其概念就比较模糊了，分类和回归的区别也不清楚🌴🌴🌴如若你和我有一样的困惑，那么这篇文章或许可以帮到你🌻🌻🌻
我看了网上许多关于分类回归区别的资料，我选一种来帮助大家理解，这也是谈的最多的，但是也人质疑这种表述，首先在我看来，这种表述是非常好理解的，是可以很好的帮助我们来解决问题的。那么这样的话我认为就足够了，至于一些不同的观点可能会更严谨，但是大致的思想还是一样的，只是关注重点发生了变化，这样有时候对于理解分类和回归反而加大了难度。🌿🌿🌿
分类，顾名思义，就是将一些物体分成若干类，例如分成猫类和狗类等等。在计算机程序中，这些类别我们往往是用 这样的数字表述，即0表述猫类，1表述狗类，2表示羊类，以此类推。【注：之后用一个字典表示数字和类别的对应关系即可】可以看出 这些数字都是离散的，也即输出是离散的，对于这样的任务我们就认为其是分类任务。 🌹🌹🌹
那么回归该怎么理解呢？在我的印象中，我听过线性回归这个词，就是通过一系列的点拟合出一条直线。其实这就是回归啦，但是我们还没有谈到回归的本质，这条拟合的直线是连续的，即回归任务的输出的连续的。 🌹🌹🌹
通过上文的描述，总结分类和连续的区别：分类输出的数据类型是离散数据，回归输 出的是连续数据类型。 这里我再举一个生活中的小例子来帮助大家理解。现有一个球场，若要预测球场上的人数，因为人数是只能是 这样的离散数据，故这个任务是一个分类任务；若要预测某个前锋踢出足球的速度，因为速度可以是 等等任何值，是一个连续的数据，故这个任务是回归任务。🌾🌾🌾
通过以上介绍，希望大家能对回归和分类有个较清晰的认识🌷🌷🌷
