Regression (การทดแทน/ทำนายค่าต่อเนื่อง)
Regression เป็นประเภทของ supervised machine learning approaches ที่ใช้ทำนาย attribute ที่มีค่าต่อเนื่อง (continuous-valued attribute) Regression ช่วยให้องค์กรธุรกิจสำรวจความสัมพันธ์ระหว่าง target variable และ predictor variable เป็นเครื่องมือสำคัญสำหรับสำรวจข้อมูลที่ใช้ในการทำนายทางการเงินและ time series modeling
ข้อมูลสามารถทำให้ smooth ได้โดยการ fit ข้อมูลเข้าไปใน function เช่น regression Linear regression หา "best" line เพื่อ fit สอง attributes (variables) ให้ attribute หนึ่งทำนายอีก attribute ได้ Multiple linear regression ขยาย linear regression ไปสู่มากกว่าสอง attributes และ fit ข้อมูลใน multidimensional space
ใน linear regression ข้อมูลถูกจำลองให้เข้ากับเส้นตรง ตัวอย่าง: random variable y (response variable) สามารถจำลองเป็น linear function ของ random variable x (predictor variable) ด้วยสมการ y = wx + b โดย variance ของ y ถูกสมมติว่าคงที่
Regression problems จัดการกับการคำนวณ output value จาก input values เมื่อใช้สำหรับ classification input values คือค่าจาก database และ output values แทน classes Regression ใช้สำรวจ classification problems ได้ แต่ใช้สำหรับการทำนาย (forecasting) และหลายแอปพลิเคชัน โครงสร้างพื้นฐานของ regression คือ simple linear regression ที่มีเพียงหนึ่ง predictor และหนึ่ง prediction
Classification (การจัดประเภท)
Classification เป็นกระบวนการหาโมเดลที่อธิบายและแยกแยะ data classes หรือ concepts เพื่อวัตถุประสงค์ที่จะใช้โมเดลทำนาย class ของ objects ที่ class label ไม่ทราบ โมเดลที่ได้มาจากการวิเคราะห์ชุด training records (data objects ที่ class label รู้จัก)
แต่ละ tuple ถูกมองว่าเป็นของ predefined class ตามที่กำหนดโดย attribute หนึ่ง เรียกว่า class label attribute ในโครงสร้าง classification data tuples แทนเป็น samples, examples, หรือ objects Data tuples ที่วิเคราะห์เพื่อสร้างโมเดลรวมกันเป็น training data set Tuple แต่ละตัวใน training set เรียกว่า training samples และเลือกจาก sample population
เพราะ class label ของทุก training sample ถูกให้มา กระบวนการนี้จึงเรียกว่า supervised learning ใน unsupervised learning class labels ของ training samples ไม่ทราบ และ classes ที่จะเรียนรู้ไม่สามารถรู้ได้ล่วงหน้า
