我正在处理一个数字数据集，显然它是一个多变量输出回归。我想知道在数字数据集中是否可以进行多标签分类，还是说它严格用于基于文本的数据。

例如：Stackoverflow可以将每段文字/代码分类为多个标签，如python,flask, python2.7… 但是这种分类是否可以用于数字数据。抱歉我知道这是一个新手问题，但我很想知道答案。提前感谢。

回答：

当然可以用数字进行分类。毕竟，文本本身在分类之前也是被转换为数字的。但你不应该为此使用回归。这显然是一个分类的案例。

常规分类器（例如神经网络）通常有多个输出，每个类别一个输出。每个输出返回输入向量属于该特定类别的概率。

在标准分类中，你将其分配给概率最高的类别。在你的情况下，只要p > 0.5（假设输出在[0, 1]范围内），就将其分配到所有符合条件的类别中。

关于你的问题是多回归还是多分类问题，仅通过查看输入是无法确定的。你需要根据你试图找到什么来决定。如果你试图在连续范围内找到数值（例如，预测给定产品的价格和销售数量），则选择回归。如果你有一系列输入可能具有或不具有的属性，则选择分类。