进化计算和分类之间有什么区别？
What is the Difference between evolutionary computing and classification?
我正在寻找一些全面的描述。我无法通过浏览找到它，因为网络上的东西更加集中，目前不在我的范围内。
分类算法和进化计算是不同的方法。但是，它们在某些方面是相关的。
分类算法旨在识别新实例的 class 标签。他们接受了一些标记实例的训练。例如，数字的识别是一种class化算法。
进化算法用于找出优化问题的最小或最大解。他们随机探索给定问题的解决方案 space。他们可以在合理的时间内找到一个好的解决方案，而不是能够在所有问题中找到全局最优解。
在一些class化方法中，进化算法用于找出参数的最优值。
分类和进化计算正在将橙子与苹果进行比较。让我解释一下：
分类 是一种问题，其目标是在给定输入的情况下确定标签。 （典型例子，给定像素值，确定图像标签）
进化计算 是解决不同类型问题的一系列算法。他们与 "population" 候选人一起工作（想象一组不同的神经网络试图解决给定的问题）。您以某种方式评估每个候选人在给定任务中的表现（通常使用 "fitness function"，但还有其他方法）。然后产生新一代候选者，以上一代中最好的候选者为模型，包括突变和交叉（即引入变化）。重复直到开心。
进化计算绝对可以用来分类！但是有一些例子以不同的方式使用它。您可以使用进化计算来创建一个控制机器人的人工神经网络（在这种情况下，输入是传感器值，输出是执行器的命令）。或者创建没有给定目标的原创内容，如 Picbreeder.
分类可以使用进化计算来解决（也许这就是你一开始感到困惑的原因）但其他技术也很常见。您可以使用 decision trees，或者特别是深度学习（基于反向传播）。
基于反向传播的深度学习听起来和进化计算很像，但其实有很大的不同。这里你只有一个人工神经网络，和一个明确的规则（反向传播）告诉你每次迭代引入哪些变化。
希望这有助于补充其他答案！
我正在寻找一些全面的描述。我无法通过浏览找到它，因为网络上的东西更加集中，目前不在我的范围内。
分类算法和进化计算是不同的方法。但是，它们在某些方面是相关的。 分类算法旨在识别新实例的 class 标签。他们接受了一些标记实例的训练。例如，数字的识别是一种class化算法。 进化算法用于找出优化问题的最小或最大解。他们随机探索给定问题的解决方案 space。他们可以在合理的时间内找到一个好的解决方案，而不是能够在所有问题中找到全局最优解。 在一些class化方法中，进化算法用于找出参数的最优值。
分类和进化计算正在将橙子与苹果进行比较。让我解释一下：
分类 是一种问题，其目标是在给定输入的情况下确定标签。 （典型例子，给定像素值，确定图像标签）
进化计算 是解决不同类型问题的一系列算法。他们与 "population" 候选人一起工作（想象一组不同的神经网络试图解决给定的问题）。您以某种方式评估每个候选人在给定任务中的表现（通常使用 "fitness function"，但还有其他方法）。然后产生新一代候选者，以上一代中最好的候选者为模型，包括突变和交叉（即引入变化）。重复直到开心。
进化计算绝对可以用来分类！但是有一些例子以不同的方式使用它。您可以使用进化计算来创建一个控制机器人的人工神经网络（在这种情况下，输入是传感器值，输出是执行器的命令）。或者创建没有给定目标的原创内容，如 Picbreeder.
分类可以使用进化计算来解决（也许这就是你一开始感到困惑的原因）但其他技术也很常见。您可以使用 decision trees，或者特别是深度学习（基于反向传播）。
基于反向传播的深度学习听起来和进化计算很像，但其实有很大的不同。这里你只有一个人工神经网络，和一个明确的规则（反向传播）告诉你每次迭代引入哪些变化。
希望这有助于补充其他答案！