Рубрики

ML | Классификация против регрессии

Необходимое условие: классификация и регрессия

Классификация и регрессия — это две основные проблемы прогнозирования, которые обычно связаны с интеллектуальным анализом данных и машинным обучением.

Классификация — это процесс поиска или обнаружения модели или функции, которая помогает разделить данные на несколько категориальных классов, то есть дискретных значений. При классификации данные классифицируются под разными метками в соответствии с некоторыми параметрами, указанными во входных данных, а затем метки прогнозируются для данных.
Производная функция отображения может быть продемонстрирована в форме правил «ЕСЛИ-ТО». Процесс классификации связан с проблемами, когда данные могут быть разделены на двоичные или несколько дискретных меток.

Давайте рассмотрим пример. Предположим, что мы хотим предсказать возможность победы в матче команды А на основе ранее записанных параметров. Тогда будет два ярлыка Да и Нет.

Рис. Бинарная классификация и мультиклассовая классификация.

Регрессия — это процесс поиска модели или функции для разделения данных на непрерывные реальные значения вместо использования классов или дискретных значений. Он также может идентифицировать движение распределения в зависимости от исторических данных. Поскольку модель прогнозирования регрессии предсказывает количество, следовательно, навык модели должен быть указан как ошибка в этих прогнозах
Давайте возьмем аналогичный пример и в регрессии, где мы находим возможность дождя в некоторых регионах с помощью некоторых параметров, записанных ранее. Тогда есть вероятность, связанная с дождем.

Рис: Регресс дня против осадков (в мм)

Сравнение между классификацией и регрессией:

ParamenterCLASSIFICATIONREGRESSION
BasicMapping Function is used for mapping of values to predefined classes.Mapping Function is used for mapping of values to continuous output.
Involves prediction ofDiscrete valuesContinuous values
Nature of the predicted dataUnorderedOrdered
Method of calculationby measuring accuracyby measurement of root mean square error
Example AlgorithmsDecision tree, logistic regression, etc.Regression tree (Random forest), Linear regression, etc.

Рекомендуемые посты:

ML | Классификация против регрессии

0.00 (0%) 0 votes