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。