🏷️Classification vs Regression📈
Entrambi sono compiti di apprendimento supervisionato, ma rispondono a tipi diversi di domanda. Uno smista i dati in gruppi; l'altro prevede un numero.
Lancia un sondaggio moomz: chi vince?
moomz.com — 10s, anonimo, gratis
🏷️Classification
- ✓Prevede a quale categoria o classe appartiene un input
- ✓L'output e' un'etichetta discreta, come spam o non spam
- ✓Valutata con accuratezza, precisione e richiamo
- ✓Esempi: riconoscimento di immagini, diagnosi di malattie
- ✓I confini di decisione separano le classi
📈Regression
- ✓Prevede un valore numerico continuo
- ✓L'output e' un numero, come un prezzo o una temperatura
- ✓Valutata con metriche di errore come l'errore quadratico medio
- ✓Esempi: previsione dei prezzi delle case e del valore delle azioni
- ✓Adatta una retta o una curva attraverso i dati
Verdetto
Chiediti che tipo di risposta ti serve. Se l'output e' un'etichetta o una categoria, usa la classificazione; se e' una quantita su una scala continua, usa la regressione.
Domande frequenti
Come capisco quale compito ho?+
Se prevedi una categoria, e' classificazione; se prevedi un numero, e' regressione.
Prevedere i prezzi delle case e' classificazione o regressione?+
Regressione, perche' il prezzo e' un valore numerico continuo anziche' una categoria fissa.
Lo stesso algoritmo puo' fare entrambi?+
Alcuni, come gli alberi decisionali e le reti neurali, possono essere adattati sia per la classificazione sia per la regressione.
Anche in