这个问题是分类还是回归？

Question

在 Andrew Ng 的一次演讲中，他问下面的问题是分类问题还是回归问题。答：这是一个回归问题。

您有大量相同物品的库存。你想预测如何 其中许多商品将在未来 3 个月内售出。

看起来我错过了什么。根据我的理解，它应该是分类问题。原因是我们必须将每个项目分为两类，即可以出售或不出售，它们是离散值而不是连续值。

不知道我的理解差距在哪里。

Answer 1

您的想法是，您拥有一个具有各自特征的商品数据库，并希望预测每件商品是否会售出。最后，您只需计算可以出售的商品数量。如果你这样描述问题，那它确实是一个分类问题。

但是，请注意您问题中的以下句子：

您有大量相同物品的库存。

相同的项目意味着所有项目都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销售，因为所有的特征值都完全相同，你的分类器会将所有商品归为同一类别。

我猜想，为了解决这个问题，您可能可以访问过去 5 年中每月销售商品的时间序列。然后，您将不得不处理这些数据并插入到未来。您不会单独对每件商品进行分类，而是实际计算一个数值，表示未来 1、2 和 3 个月的已售商品数量。

根据Pattern Recognition and Machine Learning (Christopher M. Bishop, 2006)：

诸如数字识别示例的情况，其目的是将每个输入向量分配给有限数量的离散类别之一，称为分类问题。如果所需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，重要的是要了解categorical, ordinal, and numerical variables 之间的区别，如统计中所定义：

分类变量（有时称为名义变量）是具有两个或多个类别的变量，但这些类别没有内在顺序。例如，性别是一个具有两个类别（男性和女性）的分类变量，并且这些类别没有内在的顺序。

(...)

序数变量类似于分类变量。两者的区别在于变量有明确的顺序。例如，假设您有一个变量，经济状况，具有三个类别（低、中和高）。除了能够将人分为这三个类别之外，您还可以将类别排序为低、中和高。

(...)

数值变量类似于序数变量，只是数值变量的值之间的间隔是等距的。例如，假设您有一个变量，例如以美元衡量的年收入，而我们有 3 个人的收入分别为 10,000 美元、15,000 美元和 20,000 美元。

虽然您的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 numerical value, not a category。您可以在数学上操作数值（例如计算下一年的平均售出物品数量，找到未来 3 个月内售出物品的峰值数量......）但您不能使用离散类别（例如一部手机和一部电话的平均值？）。

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

您的系统可能仅限于输出整数，而不是实数，但不会将变量的性质从数值改变。因此，您的问题是回归问题。