Machine learning 这个问题是分类还是回归？ 在Andrew Ng的一次讲座中，他问下面的问题是分类还是回归问题。答：这是一个回归问题

您有大量相同物品的库存。你想预测怎么做 其中许多商品将在未来3个月内售出

看来我错过了什么。根据我的理解，这应该是分类问题。原因是我们必须将每个项目分为两类，即它是否可以出售，这是离散值而不是连续值

---

不确定我的理解差距在哪里。

你的想法是，你有一个物品数据库，其中有各自的特点，并希望预测每件物品是否会被出售。最后，您只需计算可以销售的商品数量。如果你用这种方式来描述这个问题，那么它实际上就是一个分类问题

但是，请注意问题中的以下句子：

您有大量相同物品的库存

相同的项目意味着所有项目将具有完全相同的功能。如果你想出一个二元分类器来判断一个产品是否可以出售，因为所有的特征值都是完全相同的，你的分类器会把所有的项目放在同一个类别中

我猜，为了解决这个问题，你可能会访问过去5年每月售出商品的时间序列。然后，你将不得不处理这些数据并对未来进行插值。您不会单独对每个项目进行分类，而是实际计算一个数值，该数值指示未来1、2和3个月的已售出项目数

根据：

例如数字识别示例，其目的是将每个输入向量分配给有限个离散类别中的一个，这种情况称为分类问题。如果期望的输出由一个或多个连续变量组成，则该任务称为回归

除此之外，重要的是要理解统计数据中定义的：

分类变量（有时称为名义变量）是指具有两个或两个以上类别的变量，但这些类别没有内在的顺序。例如，性别是一个分类变量，有两个类别（男性和女性），类别没有内在的顺序

（……）

序数变量类似于分类变量。两者之间的区别在于变量的顺序是明确的。例如，假设您有一个可变的经济状况，有三个类别（低、中、高）。除了能够将人们分为这三个类别之外，您还可以将类别分为低、中、高

（……）

数值变量与序数变量类似，只是数值变量值之间的间隔相等。例如，假设你有一个变量，比如以美元计量的年收入，我们有三个人，他们分别挣10000美元、15000美元和20000美元

尽管最终结果将是一个整数（一组离散的数字），但请注意它仍然是一个整数。你可以用数学方法处理数值（例如，计算下一年的平均销售数量，找出未来3个月的峰值销售数量…），但你不能用离散类别（例如，手机和电话的平均销售数量是多少？）

分类问题是指输出是分类的或有序的（根据Bishop，离散类别）。回归问题输出数值（根据Bishop，连续变量）

---

您的系统可能被限制为输出整数，而不是实数，但不会改变变量的数值性质。因此，您的问题是一个回归问题。

在问题陈述中，“这些项中有多少项”意味着结果应该是真实值[0，inf]。所以，这是一个回归问题，而不是分类问题。@twcmchange这是否意味着如果我要求单个项目可以出售或不出售，那么这将是分类问题？

多少

意味着确定金额，这意味着这是一个回归问题。分类问题会说明类似于

是否

或类似于

什么类型的

@stackoverflowuser2010您所说的

多少意味着确定一个金额，这意味着这是一个分类问题

我希望您的意思不是分类问题？@user3198603：修复了它。应该是“回归问题”谢谢Matheus。但是如果我按照你所说的克里斯托弗回归定义，这里的输出将是离散值，也就是说，在接下来的3个月里，每个月可以卖出多少商品？@user3198603主要的一点是，分类器预测的是离散类别，而不是数值。我用一个链接更新了我的答案，更详细地解释了分类值、序数值和数值之间的区别，这是一个来自统计学的概念，对于理解分类和回归之间的区别至关重要。是的，你说得对。实际上，为了更好地理解，我们可以说分类器预测离散值（或类）从预定义的类中，但对于回归结果，可以是任何无法预定义的连续值。

的一个相关问题是，您可能可以访问已售出商品的时间序列…

我的问题是，告诉回归模型选择特定特征（如销售月、节日、经济放缓）是否可行预测的月份。我相信我们可以指定功能，但如果我们不指定，它会自动选择它认为相关的任何功能。对吗？