Ključna razlika med klasifikacijo in regresijskim drevesom je, da so pri klasifikaciji odvisne spremenljivke kategorične in neurejene, medtem ko so pri regresiji odvisne spremenljivke zvezne ali urejene cele vrednosti.
Klasifikacija in regresija sta učni tehniki za ustvarjanje modelov napovedi iz zbranih podatkov. Obe tehniki sta grafično predstavljeni kot klasifikacijska in regresijska drevesa oziroma diagrami poteka z razdelitvijo podatkov po vsakem koraku oziroma »veji« v drevesu. Ta proces se imenuje rekurzivno particioniranje. Področja, kot je rudarstvo, uporabljajo te tehnike klasifikacije in regresijskega učenja. Ta članek se osredotoča na klasifikacijsko drevo in regresijsko drevo.
Kaj je klasifikacija?
Klasifikacija je tehnika, ki se uporablja za doseganje sheme, ki prikazuje organizacijo podatkov, začenši s predhodno spremenljivko. Odvisne spremenljivke razvrščajo podatke.
Slika 01: Podatkovno rudarjenje
Razvrstitveno drevo se začne z neodvisno spremenljivko, ki se razveja v dve skupini, kot določajo obstoječe odvisne spremenljivke. Namenjen je razjasnitvi odgovorov v obliki kategorizacije, ki jo povzročijo odvisne spremenljivke.
Kaj je regresija
Regresija je metoda napovedovanja, ki temelji na domnevni ali znani numerični izhodni vrednosti. Ta izhodna vrednost je rezultat niza rekurzivnih particij, pri čemer ima vsak korak eno številsko vrednost in drugo skupino odvisnih spremenljivk, ki se razvejajo na drug par, kot je ta.
Regresijsko drevo se začne z eno ali več predhodnimi spremenljivkami in konča z eno končno izhodno spremenljivko. Odvisne spremenljivke so zvezne ali diskretne numerične spremenljivke.
Kakšna je razlika med klasifikacijo in regresijo?
Klasifikacija proti regresiji |
|
| Drevesni model, kjer lahko ciljna spremenljivka sprejme diskreten niz vrednosti. | Drevesni model, kjer lahko ciljna spremenljivka sprejme zvezne vrednosti, običajno realna števila. |
| Odvisna spremenljivka | |
| Za klasifikacijsko drevo so odvisne spremenljivke kategorične. | Za regresijsko drevo so odvisne spremenljivke numerične. |
| Vrednosti | |
| Ima nastavljeno količino neurejenih vrednosti. | Ima diskretne, vendar urejene vrednosti ali indiskretne vrednosti. |
| Namen gradnje | |
| Namen izdelave regresijskega drevesa je prilagoditi regresijski sistem vsaki determinantni veji na način, da pride do pričakovane izhodne vrednosti. | Klasifikacijsko drevo se razveja, kot določa odvisna spremenljivka, izpeljana iz prejšnjega vozlišča. |
Povzetek – Klasifikacija proti regresiji
Regresijska in klasifikacijska drevesa so koristni tehniki za načrtovanje procesa, ki kaže na preučevani rezultat, bodisi v klasifikaciji bodisi v eni sami številčni vrednosti. Razlika med klasifikacijskim drevesom in regresijskim drevesom je njuna odvisna spremenljivka. Klasifikacijska drevesa imajo odvisne spremenljivke, ki so kategorične in neurejene. Regresijska drevesa imajo odvisne spremenljivke, ki so zvezne vrednosti ali urejene cele vrednosti.
