有序的分类变量的预测是回归问题还是多分类问题？

我想应该是分类问题吧。之前学计量经济学的时候，老师给过我这样一个观点：在连续变量中比如1和2，2和3这种值之间的差异是相同的，相差1就是1。但是一些有序的分类变量，比如楼主提到的“A+”“A”“A-”“B+”“B”等等，他们之间的差异意义是相同的吗？很多时候应该是不同的。

分类问题。如果是回归，那你怎么定义任务，怎么保证结果在你定义的这些数值里面

我也觉得算是分类问题。

比如“A”“B”“C”“D”“F”，如果用回归，那么预测结果肯定也是连续的，比如说预测结果中最有可能的是的“A”的话，其次就是“B”，然后是“C”，等等。

但实际情况未必如此，应该让模型和数据自己去说话。

用多分类模型可能预测为最有可能为“A”其次为“C”，然后是“B”。这样的非连续结果可以是根据模型学习得到的，而非强迫它设置为连续的。

其次还有s3040608090提到的，虽然是有序分类变量，但是它们的间距未必是等距的。