在使用回归分类之前可接受多少标签

Question

我有一个问题，我试图在python中使用有监督的学习。我有一系列x，y坐标，我知道这些坐标属于一个数据集中的标签。在另一个我只有x，y坐标。我将使用一组来训练另一组，我的方法是监督学习和使用分类算法（线性判别分析），因为标签的数量是离散的。虽然它们是离散的，但它们的数量很大（n = ~80,000）。我的问题是，在哪种标签应该考虑回归分类，其中回归更适合连续标签。我使用SciKit作为我的机器学习包，并使用astronml.orgs优秀的tutorial作为指导。

Answer 1

这与数字无关。这是关于连续与否。如果你有80,000个班级甚至更多，那没关系;只要邻居类之间没有相关性（例如，类i和i + 1），就应该使用分类（不是回归）。

回归仅在标签连续时才有意义（例如，实数）或至少在相邻类之间存在相关性时（例如，当标签显示某事物的数量时，您可以进行回归然后向上舍入结果）。