我可以使用函數實現分類器嗎？

我正在學習不同的分類技術，比如概率分類器等，並且對這個問題進行了研究。爲什麼我們不能實現一個二元分類器作爲所有屬性的迴歸函數，並根據函數的輸出進行分類，比如if輸出小於某個屬於A類的值，否則屬於B類。與概率方法相比，這種方法是否有任何限制？我可以使用函數實現分類器嗎？

2013-08-27 Malice

你可以做到這一點，它通常在實踐中完成，例如在Logistic Regression。它甚至不限於二進制類。與概率方法相比，沒有固有的限制，儘管您應該記住，兩者都是根本不同的方法，並且難以比較。

2013-08-27 13:11:48

我在做一些谷歌搜索，發現可能我正在談論預測與分類比較。所以你的意思是它們是相同的預測變量是連續的，而分類器更像是一個離散的類型？ – Malice

不確定你的意思。這個級別的預測器和分類器之間確實沒有區別。確實，某些模型具有一組離散的可能輸出，而其他模型可以預測連續值。對於分類，你將在後一種情況下離散輸出，最終得到基本相同的結果。 –

我覺得你在分類上有一些誤解。無論您使用何種分類器（svm或邏輯迴歸），您始終可以查看輸出模型爲 f（x）> b ===>正數 f（x）負數

這適用於概率模型和非概率模型。事實上，這與風險最小化有關，因爲風險最小化自然會導致截止分支。

2013-08-28 20:57:51 dragonxlwang

是的，這是可能的。例如，perceptron就是這樣做的。

然而，它的使用限於linearly separable problems。但它們中的多個可以組合來解決通常的任意複雜問題neural networks。

另一種機器學習技術SVM以類似的方式工作。它首先將輸入數據轉換成一些高維空間，然後通過線性函數將其分離。

2013-08-30 16:57:36

回答