資料結構
網路
關係型資料庫管理系統
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝設計
法律研究分類與迴歸的區別
在資料探勘中，存在兩個主要的預測問題，即分類和迴歸。分類和迴歸之間最基本的區別在於，分類演算法用於分析離散值，而回歸演算法則分析連續的實數值。
輸出變數必須是連續的或實數值。分類中的輸出變數必須是離散值。相反，迴歸中的輸出變數必須是連續的或實數值。
在本文中，我們將討論分類和迴歸之間所有重要的差異。讓我們從分類和迴歸的一些基礎知識開始，以便更容易理解它們彼此之間的區別。
什麼是分類？
分類是尋找一個模型的過程，該模型表示並區分資料類或概念，目的是能夠使用該模型來預測類標籤未知的物件的類別。派生的模型基於對一組訓練記錄的分析，即類標籤已知的數 據物件。
分類是資料探勘中最重要的概念之一，因為它定義了一個根據例項的屬性為其分配預定義類標籤的過程。分類是一種預先確定的方法，可以使對大型資料集的分析更有效。
什麼是迴歸？
迴歸是一種監督機器學習方法，可用於預測任何連續值的屬性。迴歸使一些商業組織能夠探索目標變數和預測變數之間的關聯。因此，迴歸是探索可用於貨幣預測和時間序列建模的資料的重要工具之一。
我們可以使用迴歸來執行分類。為此，它使用兩種方法，即劃分和預測。在劃分的情況下，資料被劃分為位於類上的區域，而在預測中，使用一些公式來預測類的輸出值。
迴歸可以預測一些相關的依賴資料集。迴歸還支援預測變數的方法，但存在某些限制和假設，例如變數的獨立性、變數的固有正態分佈等。
分類與迴歸的區別
下表突出顯示了分類和迴歸之間所有重要的差異 -
| 分類 | 迴歸 |
|---|---|
| 分類輸出離散值。 | 迴歸輸出連續值。 |
| 給定一組資料，此方法有助於將資料分組到不同的組中。 | 它使用對映函式將值對映到連續輸出。 |
| 在分類中，預測資料的性質是無序的。 | 迴歸具有有序的預測資料。 |
| 對映函式用於將值對映到預定義的類。 | 它試圖找到最佳擬合線。它試圖外推圖形以查詢/預測值。 |
| 示例包括決策樹、邏輯迴歸。 | 示例包括迴歸樹（隨機森林）、線性迴歸 |
| 分類透過測量準確性來完成。 | 迴歸使用均方根誤差方法完成。 |
結論
分類和迴歸之間最顯著的區別在於，分類提供了一個預測模型，該模型藉助歷史資料以離散標籤預測新資料，而回歸則以連續值預測資料。
更新於：2022-12-20
12K+ 瀏覽量
廣告