Regresné a klasifikačné algoritmy sú algoritmy kontrolovaného učenia. Oba algoritmy sa používajú na predikciu v strojovom učení a prácu s označenými množinami údajov. Rozdiel medzi oboma je však v tom, ako sa používajú na rôzne problémy strojového učenia.
Hlavný rozdiel medzi regresnými a klasifikačnými algoritmami, na ktoré sa používajú regresné algoritmy predpovedať spojité hodnoty ako cena, plat, vek atď. a klasifikačné algoritmy sa používajú predpovedať/klasifikovať diskrétne hodnoty ako muž alebo žena, pravda alebo nepravda, spam alebo nie spam atď.
Zvážte nasledujúci diagram:
Klasifikácia:
Klasifikácia je proces hľadania funkcie, ktorá pomáha pri delení množiny údajov do tried na základe rôznych parametrov. V klasifikácii je počítačový program trénovaný na tréningovom súbore údajov a na základe tohto tréningu kategorizuje údaje do rôznych tried.
Úlohou klasifikačného algoritmu je nájsť mapovaciu funkciu na mapovanie vstupu (x) na diskrétny výstup (y).
Príklad: Najlepším príkladom na pochopenie problému klasifikácie je Detekcia e-mailového spamu. Model je trénovaný na základe miliónov e-mailov na rôzne parametre a vždy, keď dostane nový e-mail, identifikuje, či ide o spam alebo nie. Ak je e-mail spam, presunie sa do priečinka Spam.
Typy klasifikačných algoritmov ML:
Klasifikačné algoritmy možno ďalej rozdeliť do nasledujúcich typov:
- Logistická regresia
- K-Najbližší susedia
- Podpora vektorových strojov
- Jadro SVM
- Nam Bayes
- Klasifikácia rozhodovacieho stromu
- Náhodná klasifikácia lesa
Regresia:
Regresia je proces hľadania korelácií medzi závislými a nezávislými premennými. Pomáha pri predpovedaní spojitých premenných, ako je predikcia Trendy na trhu , predikcia cien domov atď.
Úlohou regresného algoritmu je nájsť mapovaciu funkciu na mapovanie vstupnej premennej (x) na spojitú výstupnú premennú (y).
Príklad: Predpokladajme, že chceme robiť predpoveď počasia, takže na to použijeme regresný algoritmus. Pri predpovedi počasia je model trénovaný na minulých údajoch a po dokončení tréningu môže ľahko predpovedať počasie na budúce dni.
Typy regresných algoritmov:
- Jednoduchá lineárna regresia
- Viacnásobná lineárna regresia
- Polynomiálna regresia
- Podpora vektorovej regresie
- Regresia rozhodovacieho stromu
- Náhodná lesná regresia
Rozdiel medzi regresiou a klasifikáciou
| Regresný algoritmus | Klasifikačný algoritmus |
|---|---|
| Pri regresii musí mať výstupná premenná spojitú povahu alebo skutočnú hodnotu. | V klasifikácii musí byť výstupná premenná diskrétna hodnota. |
| Úlohou regresného algoritmu je mapovať vstupnú hodnotu (x) so spojitou výstupnou premennou (y). | Úlohou klasifikačného algoritmu je mapovať vstupnú hodnotu (x) s diskrétnou výstupnou premennou (y). |
| Regresné algoritmy sa používajú so spojitými údajmi. | Klasifikačné algoritmy sa používajú s diskrétnymi údajmi. |
| V regresii sa snažíme nájsť najvhodnejšiu líniu, ktorá dokáže presnejšie predpovedať výstup. | V Klasifikácii sa snažíme nájsť rozhodovaciu hranicu, ktorá dokáže rozdeliť dataset do rôznych tried. |
| Regresné algoritmy možno použiť na riešenie regresných problémov, ako je predpoveď počasia, predpoveď ceny domu atď. | Klasifikačné algoritmy možno použiť na riešenie problémov klasifikácie, ako je identifikácia spamových e-mailov, rozpoznávanie reči, identifikácia rakovinových buniek atď. |
| Regresný algoritmus možno ďalej rozdeliť na lineárnu a nelineárnu regresiu. | Klasifikačné algoritmy možno rozdeliť na binárny klasifikátor a klasifikátor s viacerými triedami. |