为什么手写数字分类没有明确的排序？
Why there is no explicit ordering in handwritten digit classification?
来自 The Elements of Statistical Learning 的第 2 章：
显然0,1,2,3...,9是可以排序的。我误会了什么？是因为这些数字的顺序不利于分类吗？
这里的关键词是手写.
当我们尝试class验证手写数字 (MNIST) 的 图像 时，实际数字的算术值（因此，他们的顺序）不是class化问题的一部分；其中，class（即数字）“9”不是 "greater" 而不是 class“8”（也不是 "less"），[=45 之间的距离=] "9" 和 class "8" 与 "9" 和 "3" 之间的距离相同（实际上，它在所有对 classes 之间都是相同的）。换句话说，数字被视为分类变量。
换句话说，此处的class化方法与我们用来class化手写字母的方法相同当然没有任何算术意义上的排序（没有字母比其他任何字母 "greater" 或 "less"）。
另一个可能有用的类比是数字 9和字符 '9'；事实上，在手写数字 classification 中，我们处理的是第二个，而不是数字。而characters/strings，和字母一样，不带任何算术顺序。
情况是相同的，例如，对于 iris 数据集，或者在我们试图预测性别的问题中 (male/female)。
存在class化问题，标签虽然是分类的，但也是序数（即它们是有序的） ，例如像 high/medium/low 这样的东西；但是 class验证 MNIST 数字不属于这一类 - 这都是关于数字图像的模式识别和辨别，而不使用它们的实际值或排序。
来自 The Elements of Statistical Learning 的第 2 章：
显然0,1,2,3...,9是可以排序的。我误会了什么？是因为这些数字的顺序不利于分类吗？
这里的关键词是手写.
当我们尝试class验证手写数字 (MNIST) 的 图像 时，实际数字的算术值（因此，他们的顺序）不是class化问题的一部分；其中，class（即数字）“9”不是 "greater" 而不是 class“8”（也不是 "less"），[=45 之间的距离=] "9" 和 class "8" 与 "9" 和 "3" 之间的距离相同（实际上，它在所有对 classes 之间都是相同的）。换句话说，数字被视为分类变量。
换句话说，此处的class化方法与我们用来class化手写字母的方法相同当然没有任何算术意义上的排序（没有字母比其他任何字母 "greater" 或 "less"）。
另一个可能有用的类比是数字 9和字符 '9'；事实上，在手写数字 classification 中，我们处理的是第二个，而不是数字。而characters/strings，和字母一样，不带任何算术顺序。
情况是相同的，例如，对于 iris 数据集，或者在我们试图预测性别的问题中 (male/female)。
存在class化问题，标签虽然是分类的，但也是序数（即它们是有序的） ，例如像 high/medium/low 这样的东西；但是 class验证 MNIST 数字不属于这一类 - 这都是关于数字图像的模式识别和辨别，而不使用它们的实际值或排序。