تفاوت اصلی بین طبقه‌بندی و درخت رگرسیون این است که در طبقه‌بندی متغیرهای وابسته طبقه‌بندی و نامرتب هستند در حالی که در رگرسیون متغیرهای وابسته مقادیر پیوسته یا مرتب هستند.
طبقه بندی و رگرسیون تکنیک های یادگیری برای ایجاد مدل های پیش بینی از داده های جمع آوری شده هستند. هر دو تکنیک به صورت گرافیکی به‌عنوان درخت‌های طبقه‌بندی و رگرسیون، یا بهتر بگوییم فلوچارت‌هایی با تقسیم‌بندی داده‌ها پس از هر مرحله، یا بهتر بگوییم «شاخه» در درخت ارائه می‌شوند. این فرآیند پارتیشن بندی بازگشتی نامیده می شود. رشته هایی مانند معدن از این روش های طبقه بندی و یادگیری رگرسیونی استفاده می کنند.این مقاله بر درخت طبقه بندی و درخت رگرسیون تمرکز دارد.
طبقه بندی چیست؟
طبقه‌بندی تکنیکی است که برای رسیدن به یک شماتیک استفاده می‌شود که سازماندهی داده‌ها را که با یک متغیر پیش‌نما شروع می‌شود نشان می‌دهد. متغیرهای وابسته چیزی هستند که داده ها را طبقه بندی می کنند.
شکل 01: داده کاوی
درخت طبقه بندی با متغیر مستقل شروع می شود که به دو گروه تقسیم می شود که توسط متغیرهای وابسته موجود تعیین می شود. منظور این است که پاسخ‌ها را در قالب طبقه‌بندی که توسط متغیرهای وابسته ایجاد می‌شود، روشن کند.
رگرسیون چیست
رگرسیون یک روش پیش بینی است که بر اساس یک مقدار خروجی عددی فرضی یا شناخته شده است. این مقدار خروجی نتیجه یک سری پارتیشن بندی بازگشتی است که هر مرحله دارای یک مقدار عددی و گروه دیگری از متغیرهای وابسته است که به جفت دیگری مانند این منشعب می شود.
درخت رگرسیون با یک یا چند متغیر پیشرو شروع می شود و با یک متغیر خروجی نهایی خاتمه می یابد. متغیرهای وابسته متغیرهای عددی پیوسته یا گسسته هستند.
تفاوت بین طبقه بندی و رگرسیون چیست؟
طبقه بندی در مقابل رگرسیون |
|
| یک مدل درختی که در آن متغیر هدف می تواند مجموعه ای مجزا از مقادیر را بگیرد. | یک مدل درختی که در آن متغیر هدف می تواند مقادیر پیوسته را معمولاً اعداد واقعی بگیرد. |
| متغیر وابسته | |
| برای درخت طبقه بندی، متغیرهای وابسته دسته بندی هستند. | برای درخت رگرسیون، متغیرهای وابسته عددی هستند. |
| ارزشها | |
| دارای مقدار مجموعه ای از مقادیر نامرتب است. | دارای مقادیر گسسته و در عین حال مرتب شده یا مقادیر ناگسستنی است. |
| هدف از ساخت | |
| هدف از ساخت درخت رگرسیون این است که یک سیستم رگرسیون را به هر شاخه تعیین کننده برازش دهیم به گونه ای که مقدار خروجی مورد انتظار بالا بیاید. | یک درخت طبقه بندی همانطور که توسط یک متغیر وابسته مشتق شده از گره قبلی تعیین می شود منشعب می شود. |
خلاصه - طبقه بندی در مقابل رگرسیون
درخت‌های رگرسیون و طبقه‌بندی تکنیک‌های مفیدی برای ترسیم فرآیندی هستند که به یک نتیجه مورد مطالعه اشاره می‌کند، چه در طبقه‌بندی یا یک مقدار عددی واحد. تفاوت بین درخت طبقه بندی و درخت رگرسیون متغیر وابسته آنهاست. درختان طبقه بندی دارای متغیرهای وابسته هستند که دسته بندی و نامرتب هستند. درختان رگرسیون دارای متغیرهای وابسته هستند که مقادیر پیوسته یا مقادیر کل مرتب شده هستند.
