Perbedaan utama antara klasifikasi dan pohon regresi adalah bahwa dalam klasifikasi variabel dependen adalah kategorikal dan tidak berurutan sedangkan dalam regresi variabel dependen adalah nilai keseluruhan yang kontinu atau terurut.
Klasifikasi dan regresi adalah teknik pembelajaran untuk membuat model prediksi dari data yang dikumpulkan. Kedua teknik 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.
Apa itu Klasifikasi?
Klasifikasi adalah teknik yang digunakan untuk sampai pada skema yang menunjukkan organisasi data yang dimulai dengan variabel pendahulu. Variabel terikat adalah yang mengklasifikasikan data.
Gambar 01: Data Mining
Pohon klasifikasi dimulai dengan variabel independen, yang bercabang menjadi dua kelompok yang ditentukan oleh variabel dependen yang ada. Hal ini dimaksudkan untuk menjelaskan tanggapan berupa kategorisasi yang ditimbulkan oleh variabel terikat.
Apa itu Regresi
Regresi adalah metode prediksi yang didasarkan pada nilai keluaran numerik yang diasumsikan atau diketahui. Nilai keluaran ini adalah hasil dari serangkaian partisi rekursif, dengan setiap langkah memiliki satu nilai numerik dan kelompok variabel dependen lain yang bercabang ke pasangan lain seperti ini.
Pohon regresi dimulai dengan satu atau lebih variabel pendahulu dan diakhiri dengan satu variabel keluaran akhir. Variabel dependen adalah variabel numerik kontinu atau diskrit.
Apa Perbedaan Antara Klasifikasi dan Regresi?
Klasifikasi vs Regresi |
|
| Sebuah model pohon di mana variabel target dapat mengambil satu set nilai diskrit. | Sebuah model pohon di mana variabel target dapat mengambil nilai kontinu biasanya bilangan real. |
| Variabel Dependen | |
| Untuk pohon klasifikasi, variabel dependennya adalah kategorikal. | Untuk pohon regresi, variabel dependen adalah numerik. |
| Nilai | |
| Memiliki jumlah nilai yang tidak berurutan. | Memiliki nilai diskrit namun terurut atau nilai tak diskrit. |
| Tujuan Konstruksi | |
| Tujuan membangun pohon regresi adalah untuk menyesuaikan sistem regresi ke setiap cabang determinan sedemikian rupa sehingga nilai keluaran yang diharapkan muncul. | Sebuah pohon klasifikasi bercabang seperti yang ditentukan oleh variabel dependen yang diturunkan dari node sebelumnya. |
Ringkasan – Klasifikasi vs Regresi
Pohon regresi dan klasifikasi adalah teknik yang berguna untuk memetakan proses yang mengarah pada hasil yang dipelajari, baik dalam klasifikasi atau nilai numerik tunggal. Perbedaan antara pohon klasifikasi dan pohon regresi adalah variabel dependennya. Pohon klasifikasi memiliki variabel terikat yang bersifat kategoris dan tidak berurutan. Pohon regresi memiliki variabel dependen yang merupakan nilai kontinu atau nilai keseluruhan terurut.
