Algoritmi regresije i klasifikacije su algoritmi nadziranog učenja. Oba se algoritma koriste za predviđanje u strojnom učenju i rade s označenim skupovima podataka. Ali razlika između oba je način na koji se koriste za različite probleme strojnog učenja.
Glavna razlika između algoritama regresije i klasifikacije na koju su navikli algoritmi regresije predvidjeti kontinuirano vrijednosti kao što su cijena, plaća, dob itd. i koriste se algoritmi za klasifikaciju predvidjeti/klasificirati diskretne vrijednosti kao što su Muško ili Žensko, Istina ili Netočno, Spam ili Nije Spam, itd.
Razmotrite dijagram u nastavku:
Klasifikacija:
Klasifikacija je proces pronalaženja funkcije koja pomaže u dijeljenju skupa podataka u klase na temelju različitih parametara. U klasifikaciji, računalni program se obučava na skupu podataka za obuku i na temelju te obuke kategorizira podatke u različite klase.
usporedivi niz u Javi
Zadatak algoritma klasifikacije je pronaći funkciju preslikavanja za preslikavanje ulaza (x) u diskretni izlaz (y).
Primjer: Najbolji primjer za razumijevanje problema s klasifikacijom je otkrivanje neželjene e-pošte. Model je istreniran na temelju milijuna e-mailova na različitim parametrima i kad god primi novi e-mail, identificira je li e-mail spam ili ne. Ako je e-pošta spam, tada se premješta u mapu Spam.
Vrste algoritama ML klasifikacije:
Klasifikacijski algoritmi mogu se dalje podijeliti u sljedeće vrste:
- Logistička regresija
- K-najbliži susjedi
- Potporni vektorski strojevi
- Kernel SVM
- Naive Bayes
- Klasifikacija stabla odlučivanja
- Slučajna klasifikacija šuma
Regresija:
Regresija je proces pronalaženja korelacija između zavisnih i nezavisnih varijabli. Pomaže u predviđanju kontinuiranih varijabli kao što je predviđanje Tržišni trendovi , predviđanje cijena kuća itd.
Zadatak regresijskog algoritma je pronaći funkciju preslikavanja za preslikavanje ulazne varijable(x) u kontinuiranu izlaznu varijablu(y).
mojlivecricket.in
Primjer: Pretpostavimo da želimo napraviti vremensku prognozu, pa ćemo za to koristiti regresijski algoritam. U predviđanju vremena, model se trenira na prošlim podacima, a nakon završetka obuke, može lako predvidjeti vrijeme za buduće dane.
Vrste regresijskih algoritama:
- Jednostavna linearna regresija
- Višestruka linearna regresija
- Polinomska regresija
- Podržava vektorsku regresiju
- Regresija stabla odlučivanja
- Nasumična šumska regresija
Razlika između regresije i klasifikacije
| Regresijski algoritam | Algoritam klasifikacije |
|---|---|
| U regresiji, izlazna varijabla mora biti kontinuirane prirode ili stvarne vrijednosti. | U klasifikaciji, izlazna varijabla mora biti diskretna vrijednost. |
| Zadatak regresijskog algoritma je mapirati ulaznu vrijednost (x) s kontinuiranom izlaznom varijablom (y). | Zadatak algoritma klasifikacije je mapirati ulaznu vrijednost (x) s diskretnom izlaznom varijablom (y). |
| Regresijski algoritmi koriste se s kontinuiranim podacima. | Klasifikacijski algoritmi koriste se s diskretnim podacima. |
| U regresiji pokušavamo pronaći liniju koja najbolje odgovara, koja može točnije predvidjeti izlaz. | U klasifikaciji pokušavamo pronaći granicu odluke koja može podijeliti skup podataka u različite klase. |
| Regresijski algoritmi mogu se koristiti za rješavanje problema regresije kao što su predviđanje vremena, predviđanje cijena kuća itd. | Algoritmi klasifikacije mogu se koristiti za rješavanje problema klasifikacije kao što su identifikacija neželjene e-pošte, prepoznavanje govora, identifikacija stanica raka itd. |
| Algoritam regresije može se dalje podijeliti na linearnu i nelinearnu regresiju. | Klasifikacijski algoritmi mogu se podijeliti na binarni klasifikator i višeklasni klasifikator. |