Réponse rapide
La classification prédit une ou plusieurs catégories, tandis que la régression prédit une valeur continue. Obstacle, type de pièce, distance, température et pose exigent des sorties et métriques adaptées.
Décrire la prédiction
Classe, probabilité, distance, angle ou pose sont définis avec unité, repère et incertitude. Un modèle peut combiner classification et régression dans une même perception.
Mesurer la bonne erreur
Précision, rappel et matrice de confusion ne répondent pas à une erreur de distance ou de pose. Les seuils dépendent de l’action qu’ils soutiennent.
Relier au robot
Latence, saturation, abstention et données manquantes sont évaluées avec le contrôleur. Une catégorie plausible ne suffit pas à autoriser un mouvement.
Sources et références
- [1] Supervised learning — scikit-learn User Guide — scikit-learn
- [2] Robotics and Autonomous Systems Technology Roadmaps — NASA