可以使用函数实现分类器吗?

我在学习不同的分类技术,比如概率分类器等,偶然想到一个问题:为什么我们不能将二元分类器实现为所有属性的回归函数,并根据函数的输出进行分类,比如如果输出值小于某个特定值,则归为A类,否则归为B类。这种方法与概率方法相比有什么局限性吗?


回答:

你可以这样做,而且在实践中经常这样做,例如在逻辑回归中。这不仅限于二元类。与概率方法相比,没有固有的局限性,尽管你应该记住,这两种方法在根本上是不同的,很难进行比较。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注