Введение
Классификация и регрессия являются типом алгоритма обучения с учителем. Оба работают с помеченным набором данных и используются для прогнозирования вывода. Но есть также много различий между алгоритмами регрессии и классификации. Алгоритм классификации используется для классификации или предсказания неисчислимого значения. Например, мужчина/женщина, правда/ложь, спам/не спам и т. д. Алгоритм регрессии используется для прогнозирования непрерывного значения (реальное значение). Например, цена/возраст/зарплата и т. д. В этом блоге мы поймем разницу между алгоритмами регрессии и классификации. Классификация и регрессия следуют одной и той же базовой концепции обучения с учителем, то есть для обучения модели на известных данных для прогнозирования.
КЛАССИФИКАЦИЯ:
Это контролируемый алгоритм обучения для поиска категорий наблюдения на основе обучающих данных. Здесь алгоритм учится на обучающих данных и категориях наблюдения или вывода в класс или группу. В классификации вывод представляет собой некоторый тип категории, а не значение или, можно сказать, счетное значение.
Давайте разберемся на примере. Лучшим примером классификации является система обзора amazon или g-mail спам/не спам.
В этой таблице представлены 4 продукта 1. Мобильный телефон 2. Джинсы 3. Футболка 4. Ноутбук в этом продукте выход только положительный или отрицательный, т.е. называется счетной величиной. Основная цель или функция классификации - найти категорию данных.
В алгоритме классификации используются два классификатора,
- Бинарный классификатор
2. Мультиклассовый классификатор
Бинарная классификация:
Эта задача классификации с любыми двумя выходными данными называется бинарной классификацией. Например, положительный/
отрицательный, истина/ложь, да/нет. Система отзывов Amazon является примером бинарной классификации.
Мультиклассовый классификатор:
В этом типе классификации входные данные подразделяются на два или более классов. Лучший пример мультиклассового классификатора данных Iris. Набор данных Iris содержит образец трех видов цветка (сетоза, лишай и виргиния), которые классифицируются по параметрам (длина чашелистика, ширина чашелистика, длина лепестка и ширина лепестка).
РЕГРЕССИЯ:
Регрессия — это еще один тип алгоритма обучения с учителем. Это процесс поиска корреляции между зависимой и независимой ценностью. Регрессия используется для прогнозирования значения, такого как реальное значение или, можно сказать, неисчисляемое значение. В регрессии выход должен быть непрерывным значением.
Давайте посмотрим на пример регрессии или давайте разберемся на примере поиска значения свойства с функциями.
В этом примере «Местоположение», «Размер», «Рядом с рынком» — это функции, а «Цена собственности» — это метка класса. С помощью различных признаков мы получаем не исчисляемое или реальное число стоимости имущества. Это выходное значение изменяется при изменении функций, это означает, что выходное значение регрессии представляет собой любое число или любое действительное число.
ЗАКЛЮЧЕНИЕ:
Оба метода важны в науке о данных для решения проблемы рынка. Надеюсь, вы сможете понять разницу между классификацией и регрессией, читая это.
