machine-learning - 房屋 build 年份: regression or classification?的图像分类

Question

假设我想通过在具有以下映射的房屋图像训练集上训练 CNN 来了解房屋的 build 时间:

Input Pictures [244, 244, 3] -> Output Year [1850, 1850, ... , 2018] 

这是一个监督学习问题，因此标签是已知的(从 1850 年到 2018 年)。

我会构建一个分类或回归分类器来解决这个问题吗？我不确定，因为我没有 1850-2018 年每一年的输入，但我希望分类器输出训练完成后我提供给分类器的新图片的所有值。所以这将向我指出回归分类器。

另一方面，我不希望分类器输出连续的 Y，因为我对建筑物 build 的具体年份感兴趣。不是中间值。

这个问题的答案可能非常简单，但我无法弄清楚。

Answer 1

这显然是一个回归问题。如果您将每一年视为一个单独的类(class)，则 1900 和 2017 类(class)将同样接近 2018 (数值在分类中并不重要)。但显然，当真实标签为 2018 时，两个预测 - 2017 与 1900 是非常不同的。正如您自己所说，回归问题还可以让您推广到看不见的年份。如果训练中不存在这些类，这在分类中实际上是不可能的。

如果您的最终结果必须是整数，我建议您实现回归输出的解释。例如，如果在特定范围内，则它可以返回舍入值，否则返回两年(当模型不确定时):

regression_output=2000.23 -> result_year=2000
regression_output=2000.96 -> result_year=2001
regression_output=2000.45 -> result_year=2000/2001

这样您就可以多调整一个参数。例如，具有 tolerance=0.5 将使您的模型始终确定。