Data Science - собесы

🤔 В чем разница между классификацией и регрессией? Это два основных типа задач обучения с учителем в машинном обучении, каждая из которых решает различные виды проблем с помощью разных подходов и методик. Хотя оба эти типа задач используют входные данные для предсказания значения выходных данных, ключевые различия между ними заключаются в типе выходных данных, который они пытаются предсказать. 🚩Классификация задача машинного обучения, где модель предсказывает категориальную метку, то есть принадлежность к одному или нескольким классам. 🟠Выходные данные Категориальные (номинальные) или порядковые. Примеры включают определение, является ли электронное письмо спамом или нет, или определение типа животного на изображении. 🟠Методы Для классификации часто используются такие алгоритмы, как логистическая регрессия, деревья решений, случайные леса, метод ближайших соседей, нейронные сети и многие другие. 🟠Оценка производительности Точность, точность (precision), полнота (recall), F1-мера, матрица ошибок и другие метрики классификации. 🚩Регрессия 🟠Выходные данные Континуальные или непрерывные значения. Примеры включают предсказание цен на дома, предсказание температуры или оценку кредитного скоринга. 🟠Методы Для регрессии используются такие алгоритмы, как линейная регрессия, регрессия с поддержкой векторных машин, деревья решений для регрессии, методы ансамбля (например, случайные леса) и нейронные сети. 🟠Оценка производительности Среднеквадратичная ошибка (MSE), средняя абсолютная ошибка (MAE), коэффициент детерминации \( R^2 \) и другие. 🟠Классификация Определение, содержит ли изображение кошку, собаку или птицу. 🟠Регрессия Предсказание стоимости жилья на основе его характеристик, таких как площадь, количество комнат и расположение. Ставь 👍 и забирай 📚 Базу знаний