Réponse rapide
La régression prédit une quantité continue comme position ou couple ; la classification choisit une catégorie comme obstacle, objet ou mode, avec des erreurs et sorties différentes.
Une classe et une valeur ne se valident pas pareil
Choisissez métriques, seuils et abstention selon sortie et conséquence. Ne remplacez pas une classification par une régression sans vérifier le sens.
Comparer les cibles
Une pose admet distance et orientation ; une classe admet seuil, confusion et abstention mais pas nécessairement une valeur intermédiaire.
Comparer les métriques
Erreur absolue, variance, intervalle et biais évaluent régression ; précision, rappel, confusion et calibration évaluent classification.
Choisir l’usage
Le robot peut combiner classe pour décider et régression pour positionner, en vérifiant cohérence, confiance et conséquence.
Sources et références
- [1] Robotics and Autonomous Systems — NIST