学生入门第6课:分类与数值预测有什么不同

能用自己的话解释区分类别和连续数值,并完成一个可核查的小练习。

本文属于《学生入门》系列 · 难度:学生入门 · 篇幅:约 2600 字课程

能用自己的话解释区分类别和连续数值,并完成一个可核查的小练习。

1. 学习目标与术语

本课程为独立编写的AI学习资料,不是官方教材。

学习目标

能用自己的话解释区分类别和连续数值,并完成一个可核查的小练习。

术语解释

样本:一条用于学习或评估的记录;模型:按一定规则计算输出的系统。本课专用术语在正文首次出现时单独解释。

2. 生活中的例子

想象你正在整理房间。把袜子放进抽屉,把书本放回书架。这里只有两种结果:放对或放错,没有中间状态。这就像预测“明天是否下雨”,答案非“是”即“否”。这种把事物分成不同类别的任务,叫分类。 再看另一个场景。你想知道明天中午的气温。它可能是15度,也可能是15.5度,甚至15.51度。数值可以无限细分,没有固定的“对”或“错”界限,只有接近或偏离的程度。这就像预测“明天最高气温是多少”,我们需要给出一个具体的数字。这种预测连续数值的过程,叫回归或数值预测。 注意,这里的所有例子都是假设的,用来帮助理解概念,并非真实数据。分类关注的是“属于哪一类”,数值预测关注的是“具体是多少”。前者像选A、B、C选项,后者像填空写数字。两者都是让机器从数据中找规律,但目标不同:一个找标签,一个找数值。 记住,类比只是帮助理解的桥梁,不是严格定义。比如,预测“股票明天涨还是跌”看似分类,但实际市场波动复杂,不能简单二分。同样,预测“身高”是数值,但若只问“是否超过1.7米”,就变成分类了。关键在于你要求的答案形式:是离散的类别,还是连续的数值。 这些例子没有引用具体实验数据,仅用于说明概念差异。在实际应用中,选择哪种方法取决于问题性质,而非随意决定。

3. 一步步理解核心方法

分类预测的是有限个标签,比如“猫”或“狗”,结果不可再细分。数值预测的是连续量,比如身高170.5厘米,结果有无限可能。用初中数学看:分类像判断题,答案非此即彼;数值预测像填空题,答案在数轴上任意点。 假设示例:预测明天天气是“晴”或“雨”,这是分类,只有两个可能结果。预测明天最高气温是25.3℃,这是数值预测,25.2℃和25.4℃都是合理答案。如下图所示,分类结果像分好的盒子,数值结果像刻度尺上的点。 注意:分类的类别必须互斥且穷尽,比如垃圾分“可回收”和“不可回收”;数值预测没有固定边界,温度可以无限接近但不等于某个值。类比帮助理解,但不是定义——真实问题中,类别可能多于两个,数值也可能有范围限制。不要从一个例子推出所有情况都如此。

第6课:分类与数值预测有什么不同
图 1:第6课:分类与数值预测有什么不同

4. 用假设示例动手理解

假设示例:想象你面前有一堆混在一起的塑料瓶、纸盒和果皮。我们要判断它们属于哪一类,比如“可回收”或“厨余”。这里只有几个固定的选项,就像考试里的选择题。如果你把10个瓶子分对了9个,准确率就是90%。这种任务叫分类,结果是非此即彼的标签,不能用平均分来衡量好坏,因为“0.5个可回收”没有意义。 再看另一个假设示例:你想估算明天中午的气温。已知今天中午是25摄氏度,昨天是23摄氏度。我们可以算平均数:(25+23)÷2=24摄氏度。如果实际是24.5度,我们只错了0.5度。这种任务叫数值预测,结果是连续的数,可以用“差多少”来衡量误差。 注意单位要一致。比如气温用摄氏度,重量用千克,不能混着算。分类看的是“对不对”,数值预测看的是“差多远”。别以为猜中一次就是永远准,这只是假设里的简单计算,真实世界复杂得多。

5. 常见误区与适用边界

分类和数值预测是两种不同的任务,容易混淆。分类是把事物归入固定的类别,比如判断邮件是“垃圾”还是“正常”,结果只有有限几种,像分垃圾一样。数值预测则是估计一个连续的数字,比如明天气温是18.5℃还是19.2℃,结果可以取很多值,像用温度计读数一样。 但要注意:类比只是帮助理解,不是定义。分垃圾的类比说明分类有明确边界,但现实中有些情况模糊,比如一封邮件既像广告又像通知,模型可能拿不准。同样,估算温度的类比说明数值是连续的,但实际预测总有误差,不能说模型“知道”真实温度,它只是根据数据给出一个最可能的估计。 另一个常见误区是:从一个例子成功,就认为模型在所有情况下都可靠。比如你用几个天气数据预测气温挺准,不代表它在暴雨天或极端天气下也准。模型的表现依赖于训练数据的质量和覆盖范围,不能无条件保证。就像你用平均分预测考试成绩,可能这次准,下次换套题就不一定了。 所以,判断一个任务是分类还是数值预测,关键看输出是什么:是有限类别,还是连续数字。不要靠感觉或单个例子下结论。模型不是人脑,不会“理解”事实,它只是按数学规则找规律。保持谨慎,别把类比当真理,也别把一次成功当永久保证。

6. 小练习与参考答案

小练习

预测是否下雨与预测气温分别是什么?

参考答案

前者通常是分类,后者通常是数值预测。

请说明答案的适用边界,不把模型输出当作事实保证。

参考文献

  1. Google for Developers. Machine Learning Crash Course. https://developers.google.com/machine-learning/crash-course 来源

Paragoger衍生者AI训练营。发布者:稻草人,转载请注明出处:https://www.shxcj.com/archives/10436

赞 (0)
创业及变现第5课:竞品不只有另一家AI公司
上一篇 11小时前
创业及变现第6课:需求证据的强弱排序
下一篇 3小时前

相关推荐

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

本文授权以下站点有原版访问授权 https://www.shxcj.com https://www.2img.ai https://www.2video.cn