Tensorflow 有界回归与分类

Question

作为我硕士论文的一部分，我的任务是预测一个标签整数 (0-255)，它是一个角度的分箱表示。特征列也是整数，范围为 (0-255)。

到目前为止，我使用了自定义的 Tensorflow 层估计器，实现了一个 256 输出分类器，效果很好。但是，我使用的分类方法存在以下问题：

• 我的分类模型认为，预测 3 而不是 28 与预测 27 和 28 一样好/坏

我的数据的数值区间/序数性质（不确定是哪一个）让我相信，如果我使用回归，我将获得更少错误预测或异常值的结果。

我的目标： 减少严重错误的预测异常值的数量

我的问题：

1. 回归是更好的方法，还是我可以改进我的 分类以包括之间的序数/间隔关系 我的标签？
2. 如果我选择回归，有没有办法将我的预测输出限制在 0-255 之间（我知道我必须对预测的浮点值进行四舍五入）。

提前致谢。任何其他有助于我最好地解决问题的方法、建议或想法也非常有帮助。

如果我对问题的解释有任何不正确的假设或错误，请随时纠正我。

Answer 1

问题 1：回归是更简单的方法，但是，您也可以使用分类并操纵损失函数，以降低与原始类“接近”的错误分类的损失。

问题 2：用于限制预测的 tensorflow 命令是 tf.clip_by_value。您是否将所有 360 度映射到 [0,255]？在这种情况下，您将需要考虑边界情况，即您的估算器产生 -4 且真实值为 251，但它们实际上代表相同的值，因此损失应该为 0。