假设我有一些我正在尝试学习的数据，并且我知道输出以某种方式被量化，例如我只能在有限范围内获得离散值（0.1、0.2、0.3...0.9）。
您会将其视为回归还是分类？在这种情况下，数字确实相互关联，例如 0.3 在含义上接近 0.4。
我可以将其视为具有 N 个输出的 softmax 最终层的分类，或者可以将其视为具有单个输出的线性层的回归，然后以某种方式量化预测后的结果。但我的直觉是，在我的模型中应该以某种方式使用的答案数量有限？
我应该将量化输出的问题建模为分类还是回归？
人工智能
分类
楷模
回归
2021-10-19 12:01:36
1个回答
所以这被认为是Ordinal Regression。有很多方法可以对此类数据进行建模，通常采用某种形式的回归设置。我不推荐 softmax 路由，因为正如您所提到的，存在与输出的预构建相关性。
解决此问题的一些常见方法
（请注意，由于您提出问题的方式，我假设您正在寻找可以通过梯度技术优化的方法）
- 将其视为正常回归量，您将输出剪辑到您的范围，然后任意定义阈值，例如,， 等等..
- 使用有界激活函数然后缩放（如果您的输出是 [0,1,.1]，您可以使用 sigmoid 并仅缩放 1 倍，但如果 [0,10,1]，您可以使用 sigmoid 和缩放由 10. 再一次，您需要在每 2 个点之间创建任意阈值以进行推理（这也可以纳入您的损失中）
- 使用上述两种方法，但学习每 2 个有序点之间的阈值。有一个输出层可以学习推理的理想阈值
如果你不想使用神经网络，这些方法中的每一种都有一个同样有效的贝叶斯模拟！
其它你可能感兴趣的问题