Tensorflow有界回归与分类

Question

作为我的硕士论文的一部分，我的任务是预测标签整数（0-255），该整数是角度的二进制表示。功能列也是整数，范围（0-255）。

到目前为止，我已经使用了自定义的Tensorflow层估算器，实现了效果良好的256个输出分类器。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

我的数据的数值间隔/序数性质（不确定哪个）使我相信，如果我使用回归，我将获得更少的严重错误预测或离群值。

我的目标： 减少严重错误的预测离群值

我的问题：

1. 回归是更好的方法，还是可以改善我的 分类以包括之间的顺序/间隔关系 我的标签？
2. 如果我选择回归，是否有办法将我的预测输出限制在0-255之间（我知道我将不得不舍入所预测的浮点值）。

先谢谢了。任何其他有助于我最好地解决问题的意见，建议或想法也都很有帮助。

如果我对问题的解释有错误的假设或错误，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，以针对与原始类“接近”的错误分类减少损失。

问题2：用于限制预测的tensorflow命令为tf.clip_by_value。您是否将所有360度都映射到[0,255]？在这种情况下，您将需要考虑边界情况，即您的估算器得出-4且真实值为251，但它们实际上表示的是相同值，因此损失应为0。