Perbedaan antara klasifikasi dan regresi
Itu perbedaan utama Antara klasifikasi dan pohon regresi adalah itu Dalam klasifikasi variabel dependen adalah kategoris dan tidak tertib saat dalam regresi variabel dependen kontinu atau tertib keseluruhan nilai.
Klasifikasi dan regresi adalah teknik pembelajaran untuk membuat model prediksi dari data yang dikumpulkan. Kedua teknik tersebut disajikan secara grafis sebagai pohon klasifikasi dan regresi, atau lebih tepatnya diagram alur dengan pembagian data setelah setiap langkah, atau lebih tepatnya, "cabang" di pohon. Proses ini disebut partisi rekursif. Bidang seperti pertambangan menggunakan teknik pembelajaran klasifikasi dan regresi ini. Artikel ini berfokus pada pohon klasifikasi dan pohon regresi.
ISI
1. Ikhtisar dan Perbedaan Utama
2. Apa itu klasifikasi
3. Apa itu regresi
4. Perbandingan berdampingan - Klasifikasi vs regresi dalam bentuk tabel
5. Ringkasan
Apa itu klasifikasi?
Klasifikasi adalah teknik yang digunakan untuk mencapai skema yang menunjukkan organisasi data yang dimulai dengan variabel prekursor. Variabel dependen adalah apa yang mengklasifikasikan data.
Gambar 01: Penambangan Data
Pohon klasifikasi dimulai dengan variabel independen, yang bercabang menjadi dua kelompok sebagaimana ditentukan oleh variabel dependen yang ada. Itu dimaksudkan untuk menjelaskan tanggapan dalam bentuk kategorisasi yang disebabkan oleh variabel dependen.
Apa itu regresi
Regresi adalah metode prediksi yang didasarkan pada nilai output numerik yang diasumsikan atau diketahui. Nilai output ini adalah hasil dari serangkaian partisi rekursif, dengan setiap langkah memiliki satu nilai numerik dan kelompok lain dari variabel dependen yang bercabang ke pasangan lain seperti ini.
Pohon regresi dimulai dengan satu atau lebih variabel prekursor dan berakhir dengan satu variabel output akhir. Variabel dependen adalah variabel numerik kontinu atau diskrit.
Apa perbedaan antara klasifikasi dan regresi?
Klasifikasi vs Regresi | |
| Model pohon di mana variabel target dapat mengambil serangkaian nilai diskrit. | Model pohon di mana variabel target dapat mengambil nilai kontinu biasanya bilangan real. |
| Variabel tak bebas | |
| Untuk pohon klasifikasi, variabel dependen adalah kategori. | Untuk pohon regresi, variabel dependen adalah numerik. |
| Nilai | |
| Memiliki jumlah yang ditetapkan dari nilai yang tidak tertib. | Memiliki nilai diskrit belum dipesan atau nilai -nilai yang tidak jelas. |
| Tujuan konstruksi | |
| Tujuan membangun pohon regresi adalah agar sesuai dengan sistem regresi untuk setiap cabang penentu dengan cara yang diharapkan nilai output muncul. | Pohon klasifikasi bercabang sebagaimana ditentukan oleh variabel dependen yang berasal dari node sebelumnya. |
Ringkasan -Klasifikasi vs Regresi
Pohon regresi dan klasifikasi adalah teknik yang bermanfaat untuk memetakan proses yang menunjuk pada hasil yang diteliti, baik dalam klasifikasi atau nilai numerik tunggal. Perbedaan antara pohon klasifikasi dan pohon regresi adalah variabel dependennya. Pohon klasifikasi memiliki variabel dependen yang kategoris dan tidak berurutan. Pohon regresi memiliki variabel dependen yang merupakan nilai kontinu atau nilai utuh yang dipesan.
Referensi:
1.“Pembelajaran Pohon Keputusan." Wikipedia, Wikimedia Foundation, 13 Mei 2018. Tersedia disini
Gambar milik:
1.'Data Mining'by Arbeck - Pekerjaan Sendiri, (CC oleh 3.0) Via Commons Wikimedia
