Regresyon ve Sınıflandırma algoritmaları Denetimli Öğrenme algoritmalarıdır. Her iki algoritma da Makine öğreniminde tahmin için kullanılır ve etiketli veri kümeleriyle çalışır. Ancak her ikisi arasındaki fark, bunların farklı makine öğrenimi problemlerinde nasıl kullanıldığıdır.
Regresyon algoritmalarının kullanıldığı Regresyon ve Sınıflandırma algoritmaları arasındaki temel fark sürekliliği tahmin etmek fiyat, maaş, yaş vb. değerler ve Sınıflandırma algoritmaları kullanılarak Ayrık değerleri tahmin edin/sınıflandırın Erkek mi Kadın mı, Doğru mu Yanlış mı, Spam mı Spam Değil mi vb.
Aşağıdaki diyagramı göz önünde bulundurun:
Sınıflandırma:
Sınıflandırma, veri kümesini farklı parametrelere dayalı olarak sınıflara ayırmaya yardımcı olan bir işlevi bulma işlemidir. Sınıflandırmada, bir bilgisayar programı eğitim veri seti üzerinde eğitilir ve bu eğitime dayanarak verileri farklı sınıflara ayırır.
Sınıflandırma algoritmasının görevi, girdiyi (x) ayrık çıktıya (y) eşleyecek eşleme fonksiyonunu bulmaktır.
Örnek: Sınıflandırma sorununu anlamanın en iyi örneği E-posta Spam Tespiti'dir. Model, farklı parametrelerdeki milyonlarca e-posta temel alınarak eğitiliyor ve yeni bir e-posta aldığında, e-postanın spam olup olmadığını tespit ediyor. E-posta spam ise Spam klasörüne taşınır.
anlamsal hata
ML Sınıflandırma Algoritmalarının Türleri:
Sınıflandırma Algoritmaları ayrıca aşağıdaki türlere ayrılabilir:
- Lojistik regresyon
- K-En Yakın Komşular
- Vektör makineleri desteklemek
- Çekirdek SVM'si
- Naif Bayes
- Karar Ağacı Sınıflandırması
- Rastgele Orman Sınıflandırması
Regresyon:
Regresyon, bağımlı ve bağımsız değişkenler arasındaki korelasyonları bulma sürecidir. Tahmini gibi sürekli değişkenleri tahmin etmeye yardımcı olur. Pazar eğilimleri , Ev fiyatlarının tahmini vb.
Regresyon algoritmasının görevi, giriş değişkenini (x) sürekli çıkış değişkenine (y) eşleyecek eşleme fonksiyonunu bulmaktır.
Örnek: Diyelim ki hava tahmini yapmak istiyoruz ve bunun için Regresyon algoritmasını kullanacağız. Hava tahmininde model geçmiş veriler üzerinden eğitilir ve eğitim tamamlandıktan sonra gelecek günlerin hava durumunu kolaylıkla tahmin edebilir.
Regresyon Algoritmasının Türleri:
- Basit Doğrusal Regresyon
- Çoklu doğrusal gerileme
- Polinom Regresyon
- Vektör Regresyonunu Destekleyin
- Karar Ağacı Regresyon
- Rastgele Orman Regresyonu
Regresyon ve Sınıflandırma Arasındaki Fark
| Regresyon Algoritması | Sınıflandırma Algoritması |
|---|---|
| Regresyonda çıktı değişkeni sürekli nitelikte veya gerçek değerde olmalıdır. | Sınıflandırmada çıkış değişkeni ayrı bir değer olmalıdır. |
| Regresyon algoritmasının görevi, giriş değerini (x) sürekli çıkış değişkeni (y) ile eşlemektir. | Sınıflandırma algoritmasının görevi, giriş değerini (x) ayrık çıkış değişkeni (y) ile eşlemektir. |
| Regresyon Algoritmaları sürekli verilerle kullanılır. | Sınıflandırma Algoritmaları ayrık verilerle kullanılır. |
| Regresyonda çıktıyı daha doğru tahmin edebilecek en iyi uyum çizgisini bulmaya çalışırız. | Sınıflandırmada veri setini farklı sınıflara ayırabilecek karar sınırını bulmaya çalışıyoruz. |
| Regresyon algoritmaları Hava Durumu Tahmini, Ev fiyat tahmini vb. regresyon problemlerini çözmek için kullanılabilir. | Sınıflandırma Algoritmaları, spam e-postaların tanımlanması, Konuşma Tanıma, kanser hücrelerinin tanımlanması vb. gibi sınıflandırma sorunlarını çözmek için kullanılabilir. |
| Regresyon Algoritması ayrıca Doğrusal ve Doğrusal Olmayan Regresyon olarak ikiye ayrılabilir. | Sınıflandırma algoritmaları İkili Sınıflandırıcı ve Çok Sınıflı Sınıflandırıcıya ayrılabilir. |