Regresijski in klasifikacijski algoritmi so algoritmi nadzorovanega učenja. Oba algoritma se uporabljata za napovedovanje v strojnem učenju in delujeta z označenimi nabori podatkov. Toda razlika med obema je v tem, kako se uporabljata za različne težave strojnega učenja.
Glavna razlika med regresijskimi in klasifikacijskimi algoritmi, na katero so navajeni regresijski algoritmi napovedati neprekinjeno vrednosti, kot so cena, plača, starost itd., in se uporabljajo algoritmi za klasifikacijo napovedati/klasificirati diskretne vrednosti kot so Moški ali Ženski, True ali False, Spam ali Not Spam itd.
Razmislite o spodnjem diagramu:
Razvrstitev:
Klasifikacija je postopek iskanja funkcije, ki pomaga pri razdelitvi nabora podatkov v razrede na podlagi različnih parametrov. Pri klasifikaciji se računalniški program uri na naboru podatkov za usposabljanje in na podlagi tega usposabljanja kategorizira podatke v različne razrede.
Naloga klasifikacijskega algoritma je najti funkcijo preslikave za preslikavo vhoda (x) v diskretni izhod (y).
primer: Najboljši primer za razumevanje težave s klasifikacijo je zaznavanje neželene elektronske pošte. Model se uri na podlagi milijonov e-poštnih sporočil o različnih parametrih in vsakič, ko prejme novo e-poštno sporočilo, ugotovi, ali je e-poštno sporočilo vsiljena pošta ali ne. Če je e-poštno sporočilo vsiljena pošta, se premakne v mapo Neželena pošta.
kartiranje v tipkopisu
Vrste klasifikacijskih algoritmov ML:
Klasifikacijske algoritme lahko nadalje razdelimo na naslednje vrste:
- Logistična regresija
- K-najbližji sosedje
- Podporni vektorski stroji
- Jedro SVM
- Naive Bayes
- Klasifikacija drevesa odločanja
- Naključna klasifikacija gozdov
Regresija:
Regresija je postopek iskanja korelacije med odvisnimi in neodvisnimi spremenljivkami. Pomaga pri napovedovanju zveznih spremenljivk, kot je napovedovanje Tržni trendi , napovedovanje cen hiš itd.
Naloga regresijskega algoritma je najti funkcijo preslikave za preslikavo vhodne spremenljivke (x) v zvezno izhodno spremenljivko (y).
primer: Recimo, da želimo izvesti vremensko napoved, zato bomo za to uporabili regresijski algoritem. Pri napovedovanju vremena se model uri na preteklih podatkih in ko je usposabljanje končano, lahko enostavno napove vreme za prihodnje dni.
Vrste regresijskih algoritmov:
char tostring java
- Preprosta linearna regresija
- Večkratna linearna regresija
- Polinomska regresija
- Podpora vektorski regresiji
- Regresija drevesa odločitev
- Naključna gozdna regresija
Razlika med regresijo in klasifikacijo
| Regresijski algoritem | Algoritem za razvrščanje |
|---|---|
| Pri regresiji mora biti izhodna spremenljivka zvezne narave ali realne vrednosti. | Pri klasifikaciji mora biti izhodna spremenljivka diskretna vrednost. |
| Naloga regresijskega algoritma je preslikati vhodno vrednost (x) z zvezno izhodno spremenljivko (y). | Naloga klasifikacijskega algoritma je preslikati vhodno vrednost (x) z diskretno izhodno spremenljivko (y). |
| Regresijski algoritmi se uporabljajo z zveznimi podatki. | Klasifikacijski algoritmi se uporabljajo z diskretnimi podatki. |
| Pri regresiji poskušamo najti najbolj prilegajočo se linijo, ki lahko natančneje napove rezultat. | Pri klasifikaciji poskušamo najti mejo odločitve, ki lahko razdeli nabor podatkov v različne razrede. |
| Regresijske algoritme je mogoče uporabiti za reševanje regresijskih problemov, kot so vremenska napoved, napovedovanje cen hiš itd. | Klasifikacijske algoritme je mogoče uporabiti za reševanje težav s klasifikacijo, kot je prepoznavanje neželenih e-poštnih sporočil, prepoznavanje govora, prepoznavanje rakavih celic itd. |
| Regresijski algoritem lahko nadalje razdelimo na linearno in nelinearno regresijo. | Klasifikacijske algoritme lahko razdelimo na binarni klasifikator in večrazredni klasifikator. |