Erinevus klassifitseerimise ja regressiooni vahel

võtme erinevus klassifitseerimise ja regressioonipuu vahel on see klassifikatsioonis on sõltuvad muutujad kategoorilised ja järjestamata, regressioonis on sõltuvad muutujad aga pidevad või järjestatud täisväärtused.

Klassifitseerimine ja regressioon on õppimistehnikad, et kogutud andmetest ennustusmudeleid luua. Mõlemad tehnikad on graafiliselt esitatud klassifitseerimis- ja regressioonipuuna või pigem vooskeemidena koos andmete jaotusega pärast iga toimingut või pigem puu hargnemisena. Seda protsessi nimetatakse rekursiivseks jaotamiseks. Valdkonnad nagu mäetööstus kasutavad neid klassifitseerimise ja regressiooni õppimise tehnikaid. See artikkel keskendub klassifitseerimispuule ja regressioonipuule.

SISU

1. Ülevaade ja peamised erinevused
2. Mis on klassifikatsioon
3. Mis on regressioon
4. Kõrvuti võrdlus - klassifitseerimine vs regressioon tabelina
5. Kokkuvõte

Mis on klassifikatsioon?

Klassifikatsioon on meetod, mida kasutatakse skeemi saamiseks, mis näitab andmete korraldust alustades eelkäija muutujast. Andmed klassifitseerivad sõltuvad muutujad.

Joonis 01: andmete kaevandamine

Klassifikatsioonipuu algab sõltumatu muutujaga, mis jaguneb olemasolevate sõltuvate muutujate järgi kahte rühma. See on mõeldud vastuste selgitamiseks kategoriseerimise vormis, mille põhjustavad sõltuvad muutujad.

Mis on regressioon

Regressioon on ennustusmeetod, mis põhineb eeldataval või teadaoleval arvulisel väljundväärtusel. See väljundväärtus on rekursiivse jaotuse seeria tulemus, kusjuures igal etapil on üks arvväärtus ja teises rühmas sõltuvaid muutujaid, mis hargnevad teisele paarile, nagu see.

Regressioonipuu algab ühe või mitme eelkäija muutujaga ja lõpeb ühe lõpliku väljundmuutujaga. Sõltuvad muutujad on kas pidevad või diskreetsed arvmuutujad.

Mis vahe on klassifitseerimisel ja regressioonil??

Klassifikatsioon vs regressioon
Puu mudel, kus sihtmuutuja võib võtta diskreetse väärtuste kogumi.	Puu mudel, kus sihtmuutuja võib võtta pidevaid väärtusi, tavaliselt reaalarvu.
Sõltuv muutuja
Klassifikatsioonipuu puhul on sõltuvad muutujad kategoorilised.	Regressioonipuu puhul on sõltuvad muutujad numbrilised.
Väärtused
Tal on määratud arv järjestamata väärtusi.	Tal on kas diskreetsed, kuid tellitud või valimatud väärtused.
Ehituse eesmärk
Regressioonipuu konstrueerimise eesmärk on regressioonisüsteemi sobitamine igale määravale harule viisil, et eeldatav väljundväärtus tõuseb.	Klassifikatsioonipuu hargneb vastavalt eelnevast sõlmest tuletatud sõltuva muutujaga.

Kokkuvõte - klassifitseerimine vs regressioon

Regressiooni- ja klassifitseerimispuud on kasulikud meetodid, et kaardistada protsess, mis osutab uuritud tulemusele, kas klassifitseerimisel või ühe arvulise väärtusena. Klassifikatsioonipuu ja regressioonipuu erinevus on nende sõltuv muutuja. Klassifikatsioonipuul on sõltuvad muutujad, mis on kategoorilised ja järjestamata. Regressioonipuul on sõltuvad muutujad, mis on pidevad väärtused või järjestatud täisväärtused.

Viide:

1. Otsustuspuu õppimine. Vikipeedia, Wikimedia Foundation, 13. mai 2018. Saadaval siin 

Pilt viisakalt:

1.'Data Mining'By Arbeck - Oma töö, (CC BY 3.0) Commonsi Wikimedia kaudu