Tablica usporedbe
| Osnova za usporedbu | Klasifikacija | Regresija |
|---|---|---|
| Osnovni, temeljni | Otkriće modela ili funkcija gdje se mapiranje objekata vrši u unaprijed definirane klase. | Izrađen model u kojem se mapiranje objekata vrši u vrijednosti. |
| Uključuje predviđanje | Diskretne vrijednosti | Kontinuirane vrijednosti |
| algoritmi | Stablo odlučivanja, logistička regresija, itd. | Regresijsko drvo (slučajna šuma), linearna regresija, itd. |
| Priroda predviđenih podataka | neuređen | Ž |
| Metoda izračuna | Mjerna točnost | Mjerenje srednje kvadratne pogreške |
Definicija klasifikacije
Klasifikacija je proces pronalaženja ili otkrivanja modela (funkcije) koji pomaže u razdvajanju podataka u višestruke kategorijske klase. U klasifikaciji se identificira grupno članstvo u problemu, što znači da se podaci kategoriziraju pod različitim oznakama prema nekim parametrima, a zatim se predviđaju oznake za podatke.
Izvedeni modeli mogu se prikazati u obliku pravila "IF-THEN", stabla odlučivanja ili neuronskih mreža, itd. Stablo odlučivanja je u osnovi dijagram toka koji podsjeća na strukturu stabla gdje svaki interni čvor prikazuje test na atributu, i njegove grane pokazuju ishod testa. Proces klasifikacije bavi se problemima u kojima se podaci mogu podijeliti na dvije ili više diskretnih oznaka, drugim riječima, dvije ili više nepovezanih skupova.
Uzmimo primjer, pretpostavimo da želimo predvidjeti mogućnost kiše u nekim regijama na temelju nekih parametara. Tada će postojati dvije oznake za kišu i bez kiše pod kojima se različite regije mogu klasificirati.
Definicija regresije
Regresija je proces pronalaženja modela ili funkcije za razlikovanje podataka u kontinuiranim stvarnim vrijednostima umjesto korištenja klasa. Matematički, s problemom regresije, pokušava se pronaći aproksimacija funkcije s minimalnim odstupanjem pogreške. U regresiji se predviđa da će se brojčana ovisnost podataka razlikovati.
Regresijska analiza je statistički model koji se koristi za predviđanje numeričkih podataka umjesto oznaka. Također može identificirati kretanje distribucije ovisno o dostupnim podacima ili povijesnim podacima.
Uzmimo sličan primjer u regresiji, gdje nalazimo mogućnost kiše u nekim određenim regijama uz pomoć nekih parametara. U ovom slučaju postoji vjerojatnost povezana s kišom. Ovdje ne klasificiramo regije unutar kiše i naljepnice za kišu, nego ih klasificiramo s njihovom povezanom vjerojatnošću.
Ključne razlike između klasifikacije i regresije
- Proces klasifikacije modelira funkciju kojom se podaci predviđaju u diskretnim oznakama klasa. S druge strane, regresija je proces stvaranja modela koji predviđa kontinuiranu količinu.
- Klasifikacijski algoritmi uključuju stablo odlučivanja, logističku regresiju itd. Nasuprot tome, regresijsko drvo (npr. Slučajna šuma) i linearna regresija su primjeri regresijskih algoritama.
- Klasifikacija predviđa neuređene podatke, dok regresija predviđa naručene podatke.
- Regresija se može procijeniti pomoću srednje vrijednosti kvadratne pogreške. Nasuprot tome, klasifikacija se ocjenjuje točnosti mjerenja.
Zaključak
Tehnika klasifikacije daje prediktivni model ili funkciju koja predviđa nove podatke u diskretnim kategorijama ili oznakama uz pomoć povijesnih podataka. Obrnuto, regresijska metoda modelira kontinuirane funkcije što znači da predviđa podatke u kontinuiranim numeričkim podacima.
