所以，齐凡等人很头疼。他们需要在保证准确率的同时，又得精简算法，以便降低运算量。
在经过多次的失败尝试之后，齐凡大胆提出设想--不再将符号识别当成分类任务，而是应该当成回归任务。
所谓的回归，其与分类的本质在于：分类是预测结果集合中的一个值，而回归则是输出一个预测数值。
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。英文的错误率依然高达60%。