回帰と分類は両方とも”予測”問題である。予測とは従属変数から目的変数を明らかにする。この目的変数の種類により回帰と分類に分けられる。
回帰では連続した数値を予測する。例えば株価、売り上げ、気温などが例である。
それに対して分類はある値へと分類する。例えば二項対立であるyes/no、曜日である。分類は不連続データである。
科学・IT・登山の話題
投稿日:2018年5月10日 更新日:
回帰と分類は両方とも”予測”問題である。予測とは従属変数から目的変数を明らかにする。この目的変数の種類により回帰と分類に分けられる。
回帰では連続した数値を予測する。例えば株価、売り上げ、気温などが例である。
それに対して分類はある値へと分類する。例えば二項対立であるyes/no、曜日である。分類は不連続データである。
執筆者:admin
関連記事
sklearnで分類学習モデルを構築する際にテストデータが必要になる。手で作成したりあらかじめ用意されたデータを使うこともできるが、make_blobsを使ってランダムデータを作成できる。 sklea …
前回手書き数字データについてイメージで確認した結果、人の目で確認する分には区別ができる。では機械学習ではどのように実施していくのか。 今回は以下の内容について説明する。 多様体学習による次元縮約 ナイ …
データの説明 261人の子供たちから得られた年齢別骨密度。 フォーマット idnum: 識別コード age: 測定時の年齢 gender: 性別 spnbmd: 骨密度 チェック テーブル全体について …
幾何平均が値付けに利用されているという話を聞いたので実際の商品を例にして分析してみる。 調査の目的 適切なダウンジャケットを選ぶことで冬季にあるいは夏季の3000m級の高山で気持ちよく過ご巣ことができ …