Összehasonlító táblázat
| Az összehasonlítás alapja | Osztályozás | Regresszió |
|---|---|---|
| Alapvető | A modell vagy funkciók felfedezése, ahol az objektumok leképezése előre meghatározott osztályokra történik. | A kialakított modell, amelyben az objektumok térképezését értékekké alakítjuk. |
| Az előrejelzést magában foglalja | Diszkrét értékek | Folyamatos értékek |
| algoritmusok | Döntési fa, logisztikai regresszió stb. | Regressziós fa (véletlen erdő), lineáris regresszió stb. |
| A várható adatok jellege | Rendezetlen | Rendezett |
| Számítási módszer | A pontosság mérése | A középső négyzethiba mérése |
Az osztályozás meghatározása
A besorolás egy olyan modell (függvény) megtalálásának vagy felfedezésének folyamata, amely segít az adatok szétválasztásában több kategorikus osztályba. A besorolás során a probléma csoportosulását azonosítjuk, ami azt jelenti, hogy az adatok különböző paraméterek szerint vannak kategorizálva egyes paraméterek szerint, majd a címkéket az adatokra előrejelzik.
A származtatott modelleket „IF-THEN” szabályok, döntési fák vagy neurális hálózatok stb. Formájában lehet bemutatni. A döntési fa alapvetően egy áramlási diagram, amely egy fa struktúrára hasonlít, ahol minden belső csomópont egy attribútum tesztelését mutatja, és ágai a teszt eredményét mutatják. Az osztályozási folyamat olyan problémákkal foglalkozik, ahol az adatok két vagy több diszkrét címkére oszthatók, azaz két vagy több diszjunkt készletre.
Tegyünk egy példát, tegyük fel, hogy bizonyos paraméterek alapján előre szeretnénk megjósolni az esőzés lehetőségét egyes régiókban. Ezután két címke lesz eső és nincs eső, amelyen belül a különböző régiók osztályozhatók.
A regresszió meghatározása
A regresszió az az eljárás, amely során egy osztály vagy funkció megkülönböztetése folyamatos valós értékekre történik az osztályok használata helyett. Matematikailag regressziós problémával próbáljuk megtalálni a funkció közelítését a minimális hibahatárral. A regresszióban az adatok numerikus függősége várhatóan megkülönbözteti azt.
A regresszióanalízis a statisztikai modell, amely a numerikus adatok címkék helyett történő előrejelzésére szolgál. A rendelkezésre álló adatoktól vagy történelmi adatoktól függően azonosíthatja az elosztási mozgást is.
Vegyük a hasonló példát a regresszióban is, ahol néhány paraméter segítségével az egyes régiókban eső esélyt találunk. Ebben az esetben az eső valószínűsége összefügg. Itt nem osztályozzuk a régiókat esőben és nem eső címkékben, hanem a hozzájuk tartozó valószínűséggel osztályozzuk őket.
A osztályozás és a regresszió közötti különbségek
- Az osztályozási folyamat egy olyan funkciót modellez, amelyen keresztül az adatokat diszkrét osztálycímkékben előrejelzik. Másrészt a regresszió a folyamatos mennyiséget előrejelző modell létrehozásának folyamata.
- Az osztályozási algoritmusok döntési fát, logisztikus regressziót stb. Tartalmaznak. Ezzel szemben a regressziós fa (pl. Random erdő) és lineáris regresszió a regressziós algoritmusok példái.
- Az osztályozás rendezetlen adatokat jósol, míg a regresszió megrendeli a megrendelt adatokat.
- A regressziót a középső négyzethibával lehet értékelni. Éppen ellenkezőleg, a besorolást a pontosság mérésével értékeljük.
Következtetés
Az osztályozási technika biztosítja a prediktív modellt vagy funkciót, amely a történelmi adatok segítségével előrejelzi az új adatokat diszkrét kategóriákban vagy címkékben. Ezzel szemben a regressziós módszer a folyamatos értékű függvényeket modellezi, ami azt jelenti, hogy folyamatos numerikus adatokban előrejelzi az adatokat.
