有趣的问题。首先，经典的线性回归是为散布正态分布的应用开发的。如果您绘制残差分布，它应该具有经典的钟形。当您的数据符合这些模型先决条件时，您也可以使用线性回归。线性回归预测的置信区间也是已知的，建议您使用这些。

当您的预测变量来自离散或多模态连续分布时，您可以从非参数分类器中受益。例如，可以使用直方图分类器或 K-最近邻分类器。我假设训练一个神经网络来预测$y$会以某种方式“过头”。

所以我的建议是让你的选择由你的数据分布给出。

在您撰写本文时，任何一种方法都是可行的。我认为你不能给出一般性的建议。在某些情况下，与另一种方法有关的现有知识可能比与另一种方法有关的知识更多——例如，如果您要预测时间序列，则预测连续目标变量（方法 1）比预测二元变量（方法2）。

所以我建议你尝试这两种方法，看看哪一种更适合你手头的问题。请务必使用适当的“更好”衡量标准 -而不是准确性，即.