以下内容转自：

有序回归（ordinal regression)_音程的博客-CSDN博客_ordinal regression

假如有如下训练数据：

(x1,明天），（x2,后天），（x3，大后天）。

其中第一项x表示一个事件，第二项表示该事件发生的时间。
现在需要你训练一个模型，能够给定事件x作为输入，输出其发生的时间。

乍一看是一个分类(classification)问题。

但是如果采用普通的分类方法，由于以上标签会被one-hot编码成：

(x1,（1，0，0）），（x2,（0，1，0）），（x3，（0，0，1））。

所以分类的时候，当预测错了类别的时候，损失是一样的。因为one-hot编码中类别之间距离是一样的。

即给定x，如果模型预测的结果是明天。我们会发现真实标签是后天或者大后天都是一样的损失。这不合理，因为我们观察到这些标签有顺序关系，预测结果是明天时，真实标签是大后天应该比后天带来更大的损失才对，因为更加遥远，更加错误。

解决办法：有序回归。

为了突显有序可以将以上数据编码成

(x1,0），（x2,1），（x3，2）。
————————————————
版权声明：本文为CSDN博主「音程」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_43391414/article/details/113034297