Цомпарисон Цхарт
| Основа за поређење | Класификација | Регресија |
|---|---|---|
| Басиц | Откривање модела или функција где се мапирање објеката врши у унапред дефинисаним класама. | Израђен модел у којем се мапирање објеката врши у вриједности. |
| Укључује предвиђање | Дискретне вредности | Цонтинуоус валуес |
| Алгоритми | Стабло одлучивања, логистичка регресија, итд. | Регресијско дрво (случајна шума), линеарна регресија, итд. |
| Природа предвиђених података | Унордеред | Наређено |
| Метод обрачуна | Тачност мерења | Мерење грешке средњег квадрата |
Дефиниција класификације
Класификација је процес проналажења или откривања модела (функције) који помаже у раздвајању података у вишеструке категоријске класе. Код класификације, идентификује се групно чланство у проблему, што значи да се подаци категоризују под различитим ознакама према неким параметрима и онда се ознаке предвиђају за податке.
Изведени модели се могу демонстрирати у облику “ИФ-ТХЕН” правила, стабла одлучивања или неуронских мрежа, итд. Стабло одлучивања је фундаментално дијаграм тока који подсјећа на структуру стабла гдје сваки интерни чвор приказује тест на атрибуту, и његове гране показују исход теста. Процес класификације бави се проблемима у којима се подаци могу подијелити на двије или више дискретних ознака, другим ријечима, двије или више неповезаних скупова.
Узмимо примјер, претпоставимо да желимо предвидјети могућност кише у неким регијама на основу неких параметара. Тада би постојале двије ознаке за кишу и без кише под којом се могу класифицирати различити региони.
Дефиниција регресије
Регресија је процес проналажења модела или функције за разликовање података у континуираним стварним вриједностима умјесто кориштења класа. Математички, са проблемом регресије, покушава се пронаћи апроксимација функције са минималним одступањем грешке. У регресији се предвиђа да ће се бројчана зависност података разликовати.
Регресиона анализа је статистички модел који се користи за предвиђање нумеричких података уместо ознака. Такође може да идентификује кретање дистрибуције у зависности од доступних података или историјских података.
Узмимо сличан примјер у регресији, гдје налазимо могућност кише у неким одређеним регијама уз помоћ неких параметара. У овом случају постоји вероватноћа повезана са кишом. Овде не класификујемо регионе у оквиру кише и нема ознака за кишу, већ их класификујемо са њиховом вероватноћом.
Кључне разлике између класификације и регресије
- Процес класификације моделира функцију кроз коју се подаци предвиђају у дискретним класним ознакама. С друге стране, регресија је процес стварања модела који предвиђа континуирану количину.
- Алгоритми класификације укључују стабло одлучивања, логистичку регресију, итд. Насупрот томе, регресијско дрво (нпр. Случајна шума) и линеарна регресија су примјери регресионих алгоритама.
- Класификација предвиђа неуређене податке, док регресија предвиђа наручене податке.
- Регресија се може проценити коришћењем грешке средњег квадрата. Напротив, класификација се оцјењује прецизношћу мјерења.
Закључак
Техника класификације обезбеђује предиктивни модел или функцију која предвиђа нове податке у дискретним категоријама или ознакама уз помоћ историјских података. Насупрот томе, методом регресије моделирају се функције континуираног вредновања, што значи да предвиђа податке у континуираним нумеричким подацима.
