Galvenā atšķirība starp klasifikāciju un regresijas koku ir tā, ka klasifikācijā atkarīgie mainīgie ir kategoriski un nesakārtoti, savukārt regresijā atkarīgie mainīgie ir nepārtrauktas vai sakārtotas veselas vērtības.
Klasifikācija un regresija ir mācīšanās metodes, lai no savāktajiem datiem izveidotu prognozēšanas modeļus. Abas metodes tiek grafiski attēlotas kā klasifikācijas un regresijas koki, vai drīzāk blokshēmas ar datu sadalījumu pēc katra soļa vai, pareizāk sakot, “atzarojums” kokā. Šo procesu sauc par rekursīvo sadalīšanu. Tādas jomas kā kalnrūpniecība izmanto šīs klasifikācijas un regresijas mācīšanās metodes. Šajā rakstā galvenā uzmanība ir pievērsta klasifikācijas kokam un regresijas kokam.
Kas ir klasifikācija?
Klasifikācija ir metode, ko izmanto, lai iegūtu shēmu, kas parāda datu organizāciju, sākot ar prekursora mainīgo. Atkarīgie mainīgie ir tie, kas klasificē datus.
01. attēls: datu ieguve
Klasifikācijas koks sākas ar neatkarīgo mainīgo, kas sazarojas divās grupās, ko nosaka esošie atkarīgie mainīgie. Tas ir paredzēts, lai noskaidrotu atbildes kategorizēšanas veidā, ko rada atkarīgie mainīgie.
Kas ir regresija
Regresija ir prognozēšanas metode, kuras pamatā ir pieņemta vai zināma skaitliskā izvades vērtība. Šī izvades vērtība ir rekursīvas sadalīšanas sērijas rezultāts, kur katram solim ir viena skaitliska vērtība un cita atkarīgo mainīgo grupa, kas atzarojas līdz citam pārim, piemēram, šim.
Regresijas koks sākas ar vienu vai vairākiem prekursora mainīgajiem un beidzas ar vienu galīgo izvades mainīgo. Atkarīgie mainīgie ir vai nu nepārtraukti, vai diskrēti skaitliski mainīgie.
Kāda ir atšķirība starp klasifikāciju un regresiju?
Klasifikācija pret regresiju |
|
| Koka modelis, kurā mērķa mainīgais var iegūt diskrētu vērtību kopu. | Koka modelis, kurā mērķa mainīgais var iegūt nepārtrauktas vērtības, parasti reālus skaitļus. |
| Atkarīgais mainīgais | |
| Klasifikācijas kokam atkarīgie mainīgie ir kategoriski. | Regresijas kokam atkarīgie mainīgie ir skaitliski. |
| Vērtības | |
| Ir iestatīts nesakārtoto vērtību skaits. | Ir vai nu diskrētas, bet sakārtotas vērtības, vai arī nediskrētas vērtības. |
| Būvniecības mērķis | |
| Regresijas koka konstruēšanas mērķis ir pielāgot regresijas sistēmu katram noteicošajam zaram tā, lai tiktu parādīta paredzamā izvades vērtība. | Klasifikācijas koks sazarojas, kā to nosaka atkarīgs mainīgais, kas iegūts no iepriekšējā mezgla. |
Kopsavilkums - klasifikācija pret regresiju
Regresijas un klasifikācijas koki ir noderīgi paņēmieni, lai kartētu procesu, kas norāda uz pētīto rezultātu neatkarīgi no tā, vai tas ir klasifikācija vai viena skaitliska vērtība. Atšķirība starp klasifikācijas koku un regresijas koku ir no tiem atkarīgais mainīgais. Klasifikācijas kokiem ir atkarīgi mainīgie, kas ir kategoriski un nesakārtoti. Regresijas kokiem ir atkarīgi mainīgie, kas ir nepārtrauktas vērtības vai sakārtotas veselas vērtības.
