关键区别 - 分类与预言
分类和预测是与数据挖掘相关的两个术语。数据对于几乎所有组织都会增加利润和了解市场很重要。普通数据没有太多价值。因此,应处理数据以获取有用的信息。这数据挖掘是从大量数据中提取信息的技术。它有助于广泛了解数据。数据挖掘的某些应用是市场分析,生产控制和欺诈检测。分类和预测是与数据挖掘相关的两个术语。本文讨论了分类和谓词之间的差异。分类是识别其所属新观察结果的类别或类标签的过程。鉴定是识别新观察值的缺失或不可用的数值数据的过程。那就是关键区别分类和预测。鉴定不关心类标签,例如分类。
内容
1。概述和关键差异
2。什么是分类
3。什么是预测
4。分类和预测之间的相似之处
5。并排比较 - 分类与表格形式的预测
6。概括
什么是分类?
分类是确定新观察的类别或类标签。首先,一组数据用作培训数据。输入数据和相应的输出集合给了算法。因此,培训数据集包括输入数据及其关联的类标签。使用培训数据集,该算法得出模型或分类器。派生模型可以是决策树,数学公式或神经网络。在分类中,当将未标记的数据提供给模型时,它应该找到其属于的类。提供给模型的新数据是测试数据集。
分类是对记录进行分类的过程。分类的一个简单示例是检查是否下雨。答案可以是是或否。因此,有一定数量的选择。有时可以有两个以上的类要分类。被称为多类分类。在现实生活中,银行需要分析向特定客户提供贷款是否有风险。在此示例中,构建了一个模型以找到分类标签。标签是风险或安全的。
什么是预测?
数据分析的另一个过程是鉴定。它用于查找数值输出。与分类相同,训练数据集包含输入和相应的数值输出值。根据培训数据集,该算法得出模型或预测因子。当给出新数据时,模型应找到数值输出。与分类不同,此方法没有类标签。该模型预测连续值函数或有序值。
回归通常用于鉴定。根据事实(例如房间数量,总面积等)的事实,可以预测房屋的价值。公司可能会发现客户在销售期间花费的钱数量。这也是预测的示例。
分类和鉴定之间有什么相似性?
- 分类和鉴定是数据挖掘中使用的数据分析的形式。
分类和预测有什么区别?
分类与预测 |
|
分类是识别哪个类别的过程,新的观察结果属于培训数据集,其中包含已知类别成员资格的观察值。 | 鉴定是识别新观察值的缺失或不可用的数值数据的过程。 |
准确性 | |
在分类中,准确性取决于正确查找类标签。 | 在鉴定中,准确性取决于给定谓词可以猜测新数据的谓词属性的值。 |
模型 | |
构建模型或分类器以找到分类标签。 | 将构建模型或预测变量,以预测连续值函数或有序值。 |
模型的同义词 | |
在分类中,模型可以称为分类器。 | 在鉴定中,该模型可以称为预测因子。 |
概括 -分类与预言
从巨大的数据集中提取有意义的信息称为数据挖掘。本文讨论了数据挖掘中的两种数据分析方法,例如分类和鉴定。速度,可伸缩性和鲁棒性是分类和预测方法中的相当大因素。分类是识别其属于新观察的类别或类标签的过程。鉴定是识别新观察值的缺失或不可用的数值数据的过程。这就是分类和鉴定之间的区别。
参考:
1.点,教程。“数据挖掘分类和预测。”,教程点,2018年1月8日。在这里可用
2.“统计分类”。维基百科,Wikimedia基金会,2018年3月6日。在这里可用
图片提供:
1.’2729773'由GDJ(公共领域)通过Pixabay
发表评论