在使用神经网络预测制造过程的错误百分比时，如果某些输入超出了我们的控制范围（随机），那么最好使用回归或分类？
示例
输出的错误率可以在-900％到+ 900％范围内，平均和中位数错误率为9％（其粗尾钟形曲线）。我们是否应该使用回归并尝试预测误差量或将误差从中位数分类为西格玛，例如900％是中位数的5西格玛。因此，我们将有11个类别-5至+5
答案 0 :(得分：0)
输出取决于您的用例，而不仅仅是数据。一旦训练了该模型，您将通过给它一个输入向量（一系列输入）来使用它。您的模型将产生一个输出编号。您打算如何处理此输出编号？为了争辩，让我们考虑一下积极方面的两个相似的预测。
您的输出为+ 2，+ 2（分类）或+350％，+ 380％（回归）。
您是否需要对两个输出做出相同的反应？大约+2处的所有内容是否都受到相同的处理-如果是这样，则您有明确的分类依据-或基于相对量值存在细微差异-建议使用回归模型。
此外，您正在考虑哪些模型类型？如果您已经选择了一个相对简单的ANN，则还可以使其成为回归模型，并在预测中获得附加的“准确性”。如果您发现某些非线性函数的优点或类别的简单性（而不是对回归方程使用各种非线性项进行实验），请使用分类方法。