خوارزميات الانحدار والتصنيف هي خوارزميات التعلم الخاضعة للإشراف. يتم استخدام كلا الخوارزميتين للتنبؤ في التعلم الآلي والعمل مع مجموعات البيانات المصنفة. لكن الفرق بينهما هو كيفية استخدامهما لحل مشكلات التعلم الآلي المختلفة.
الفرق الرئيسي بين خوارزميات الانحدار والتصنيف التي تستخدم فيها خوارزميات الانحدار التنبؤ المستمر يتم استخدام القيم مثل السعر والراتب والعمر وما إلى ذلك وخوارزميات التصنيف التنبؤ/تصنيف القيم المنفصلة مثل ذكر أو أنثى، صحيح أم خطأ، بريد عشوائي أم ليس بريد عشوائي، وما إلى ذلك.
محدد جافا
النظر في الرسم البياني أدناه:
تصنيف:
التصنيف هو عملية العثور على دالة تساعد في تقسيم مجموعة البيانات إلى فئات بناءً على معلمات مختلفة. في التصنيف، يتم تدريب برنامج كمبيوتر على مجموعة بيانات التدريب، وبناءً على هذا التدريب، يقوم بتصنيف البيانات إلى فئات مختلفة.
تتمثل مهمة خوارزمية التصنيف في العثور على وظيفة التعيين لتعيين الإدخال (x) إلى الإخراج المنفصل (y).
مثال: أفضل مثال لفهم مشكلة التصنيف هو اكتشاف البريد الإلكتروني العشوائي. يتم تدريب النموذج على أساس ملايين رسائل البريد الإلكتروني على معلمات مختلفة، وكلما تلقى بريدًا إلكترونيًا جديدًا، فإنه يحدد ما إذا كان البريد الإلكتروني بريدًا عشوائيًا أم لا. إذا كانت الرسالة الإلكترونية غير مرغوب فيها، فسيتم نقلها إلى مجلد البريد العشوائي.
أنواع خوارزميات تصنيف ML:
يمكن تقسيم خوارزميات التصنيف إلى الأنواع التالية:
غلاف فني مقابل غلاف ورقي
- الانحدار اللوجستي
- K-أقرب الجيران
- دعم آلات المتجهات
- نواة SVM
- ساذج بايز
- تصنيف شجرة القرار
- التصنيف العشوائي للغابات
تراجع:
الانحدار هو عملية إيجاد الارتباطات بين المتغيرات التابعة والمستقلة. يساعد في التنبؤ بالمتغيرات المستمرة مثل التنبؤ اتجاهات السوق والتنبؤ بأسعار المنازل، الخ.
تتمثل مهمة خوارزمية الانحدار في العثور على وظيفة التعيين لتعيين متغير الإدخال (x) إلى متغير الإخراج المستمر (y).
مثال: لنفترض أننا نريد القيام بالتنبؤ بالطقس، لذلك سنستخدم خوارزمية الانحدار لهذا الغرض. في التنبؤ بالطقس، يتم تدريب النموذج على البيانات السابقة، وبمجرد الانتهاء من التدريب، يمكنه التنبؤ بسهولة بالطقس للأيام المقبلة.
أنواع خوارزمية الانحدار:
- الانحدار الخطي البسيط
- الانحدار الخطي المتعدد
- الانحدار متعدد الحدود
- دعم الانحدار المتجه
- انحدار شجرة القرار
- الانحدار العشوائي للغابات
الفرق بين الانحدار والتصنيف
| خوارزمية الانحدار | خوارزمية التصنيف |
|---|---|
| في الانحدار، يجب أن يكون متغير الإخراج ذا طبيعة مستمرة أو قيمة حقيقية. | في التصنيف، يجب أن يكون متغير الإخراج قيمة منفصلة. |
| تتمثل مهمة خوارزمية الانحدار في تعيين قيمة الإدخال (x) مع متغير الإخراج المستمر (y). | تتمثل مهمة خوارزمية التصنيف في تعيين قيمة الإدخال (x) مع متغير الإخراج المنفصل (y). |
| يتم استخدام خوارزميات الانحدار مع البيانات المستمرة. | تستخدم خوارزميات التصنيف مع البيانات المنفصلة. |
| في الانحدار، نحاول العثور على أفضل خط مناسب، والذي يمكنه التنبؤ بالمخرجات بشكل أكثر دقة. | في التصنيف، نحاول العثور على حدود القرار، والتي يمكنها تقسيم مجموعة البيانات إلى فئات مختلفة. |
| يمكن استخدام خوارزميات الانحدار لحل مشاكل الانحدار مثل التنبؤ بالطقس، والتنبؤ بأسعار المنازل، وما إلى ذلك. | يمكن استخدام خوارزميات التصنيف لحل مشاكل التصنيف مثل تحديد رسائل البريد الإلكتروني العشوائية، والتعرف على الكلام، وتحديد الخلايا السرطانية، وما إلى ذلك. |
| يمكن تقسيم خوارزمية الانحدار إلى انحدار خطي وغير خطي. | يمكن تقسيم خوارزميات التصنيف إلى مصنف ثنائي ومصنف متعدد الفئات. |