【機械学習入門】回帰と分類の違いについて徹底解説

回帰と分類は何が違うのかがわからないから、どう使い分ければいいかわからないといった方向けに

今回の記事では、回帰と分類の特徴から利用シーン、代表的なアルゴリズムを解説いたします。

目次

回帰とは

回帰とは、売上予測や株価予測など数値を予測する場合に使用します。
具体的には過去のデータから気温とアイスクリームの販売個数の関係性を導き出し、
気温がX℃の時にはアイスクリームがY個売れるなどを予測します。

回帰の代表的なアルゴリズム

回帰でよく使われるアルゴリズムについては下記のとおりです。

  • 線形回帰
  • ベイズ線形回帰
  • リッジ回帰
  • ラッソ回帰
  • サポートベクトル序数回帰
  • サポートベクター回帰
  • ポアソン回帰
  • ランダムフォレスト
  • ブースト決定木
  • ニューラルネットワーク

分類とは

分類とは、メールのスパム判定やWebページの記事に応じて「スポーツ」「政治」「エンタメ」ジャンルへ割り振るときに使われています。
回帰では数値を予測していましたが、分類ではどのグループに属するかを予測します。

分類の代表的なアルゴリズム

分類でよく使われるアルゴリズムについては下記のとおりです。

  • ロジスティック回帰
  • ランダムフォレスト
  • デシジョンジャングル
  • ブースト決定木
  • 平均化パーセプトロン
  • サポートベクターマシーン
  • ニューラルネットワーク

まとめ

回帰では数値を予測したい場合に
分類ではどのグループに属するのか知りたい場合に
使用します。

この記事が気に入ったら
フォローしてね!

よかったらシェアしてね!
  • URLをコピーしました!
  • URLをコピーしました!
目次