Regresyon (Regression) - Sınıflandırma(Classification) Nedir?
Regression ve Classification nedir ? nerelerde kullanırız ? Sadece yukarıdaki resime bakarak da bu iki kavram hakkında bir fikir edinebiliriz ama biz bu fikirle yetinmeyip incelemeye başlıyoruz.
Regresyon(Regression) Nedir ?
Regresyon bağımlı bir değişken ile bağımsız bir değişken arasındaki ilişkinin, ortadan kaldırılması için kullanılan istatistiksel bir yöntemdir. Evet, regresyonun bu teorik açıklaması size karmaşık gelmiş olabilir. Gelin biz bunu daha basit haliyle açıklayalım. Buradaki değişkenler(x ve y arasında, x → deneyim yılı, y → maaş olarak düşünebilirsiniz) arasında sebep-sonuç ilişkisi bulmaya çalışırız ve bulduğumuz bu ilişkiye göre tahminler yaparız.
En basit haliyle regresyonu açıklayacak olursak, bir veri setinde sayısal tahmin yapıyorsak “regression” algoritmalarını kullanırız.
Örnek → Maaş tahmini, yaşa göre boy tahmini, çalışma süresine göre alınan not tahmini gibi örnekler verebiliriz.
Sık Kullanılan Regression Algoritmaları
- Linear Regression
- Multiple Linear Regression
- Polynomial Linear Regression
- Decision Tree Regression
- Random Forest Regression
Sınıflandırma(Classification) Nedir ?
Regression problemlerinde tahmin edeceğimiz y kolonunda sayısal değerler vardı. Biz x değerlerini yani giriş değerini kullanarak sayısal tahminler yapmaya çalışıyorduk. Sınıflandırma problemlerinde ise x(giriş değerleri) değerlerini kullanarak kategorik olarak y sınıfını tahmin etmeye çalışırız.
Daha da basit bir şekilde anlatacak olursak sınıflandırma problemlerinde tahmin edeceğimiz değer sayısal(maaş, boy gibi) değer değil de hasta/sağlıklı, yağmurlu/güneşli, başarılı/başarısız, pozitif/negatif gibi kategorik değerlerdir.
Sık Kullanılan Classification Algoritmaları
- K-Nearest Neighbour (KNN) Classification
- Support Vector Machine (SVM) Classification
- Naive Bayes Classification
- Decision Tree Classification
- Random Forest Classification
→ Evet, yazımın sonuna geldik çok basit bir şekilde regresyon ve sınıflandırmadan bahsetmek istedim, umarım sizleri sıkmamışımdır ve bu konuda bilgi sahibi olmak isteyenlere ufakta olsa faydam dokunmuştur.
Teşekkür ederim.
