No creo que sea una práctica común modelar una regresión como clasificación en una red neuronal. Un método más común es usar la red neuronal para la regresión directamente usando una capa lineal al final. La diferencia entre clasificación y regresión es que para la clasificación hay exactamente N posibles salidas distintas discretas. La regresión tiene que predecir una variable continua, que no puede ser discretizada sin ciertos supuestos.
Puedo pensar en un caso límite en el que conocemos los resultados más probables de una regresión (que supongo que serán demasiados a pesar de ser comunes) como objetivos de clasificación. Eso podría ser posible utilizando técnicas como el softmax jerárquico.
Otra forma de modelar la regresión como clasificación es tratar los datos como una mezcla de gaussianos. Muchos métodos (especialmente los basados en márgenes como SVM y la regresión ingenua de bayes) lo usan, pero no lo he visto comúnmente en redes neuronales.
- ¿Cómo funciona el aprendizaje automático de acuerdo con este artículo?
- ¿Es Google un ejemplo de inteligencia artificial?
- ¿Se puede entrenar una red neuronal para detectar buenas condiciones comerciales?
- ¿Es muy difícil hacer un doctorado en inteligencia artificial / aprendizaje automático?
- ¿Qué tipo de productos podemos esperar de OpenAI?