回归适合的是类似波士顿房价预测那种，预测一个变化的值，而不是数字识别这种，预测一个数字。
因为数值是变化的，但是数字再怎么变，也跳不出0~9的范畴。
于是齐凡转换思路。
他提出不再输出一个预测的符号，而是输出每个符号对应的概率。
这样一来，就把分类任务变成了回归任务。
就好比，原先模型预测的结果是：0~9这几个数字。
现在模型预测的结果是0~9各自对应的概率。
最终的结果可取概率最大的那个数字。
在几人连着熬了几晚后，模型确实可行，无论是复杂度还是计算量都大大降低了。
可错误率却是一言难尽，达到了可怕的80%。
（）;（） 80%！
真的是牵一条华国田园犬过来训练下，都不至于会有如此之高的错误率。
这个结果不知道是不是因为张开的大嘴巴，很快不胫而走。
于是新的表情包诞生了。
四个人旁边被PS了一条华国田园犬，小白板上PS了“80%”
的图标。
底下是一行小字--四名金大学子与狗的终极PK。
齐凡也曾幻想过自己有一天学术有成，金陵日报来采访自己。
可不曾想自己会以这种方式出名。
齐凡四人在食堂吃饭的时候，不乏有人路过对他们指指点点。
对此四人倒也懒得去理会。
因为他们如今脑子里都是比赛。
那80%的错误率就如一座大山，他们就像手拿锄头的愚公。
望山兴叹，一筹莫展。
几天后又是齐凡站了出来。
他想到了先对各种符号做分类预处理。
将数字、标点、英文分为三大类，第一步先对这三大类做分类任务。
相当于先让模型去区分一个符号，到底是属于数字还是标点，亦或者是英文。
随后再针对三大类各自训练一个专用模型。
数字的模型仅用来识别数字，标点的模型仅用来是被标点，英文的模型仅用来识别英文。
照着这个思路经过几天熬夜后。
数字和标点的错误率降到了15%，因为数字和标点种类最少最好识别。
可英文就尴尬了，因为有26个字母。
请关闭浏览器阅读模式后查看本章节，否则将出现无法翻页或章节内容丢失等现象。
