Classificação vs Regressão em Machine Learning

Press enter or click to view image in full size

Classificação e regressão são duas técnicas fundamentais em aprendizado de máquina, cada uma voltada para resolver tipos diferentes de problemas. Entender a diferença entre elas é essencial para aplicar o método correto conforme o objetivo da análise.

Classificação

Classificação é o processo de atribuir uma amostra de dados a uma categoria ou classe específica. Imagine que você tem uma caixa cheia de frutas e quer separar maçãs, bananas e laranjas. A classificação é justamente essa tarefa de identificar a qual grupo cada fruta pertence.

Por exemplo:

• Prever se um usuário finalizará uma compra (sim ou não).

A classificação pode ser:

• Binária: quando existem apenas duas classes possíveis, como “sim” ou “não”.
• Multiclasse: quando há mais de duas classes, como:
  - Identificar a espécie de uma planta (ex: rosa, girassol, margarida).
  - Classificar e-mails em categorias como Principal, Social, Promoções e Importantes.

Analogia: Pense na classificação como um porteiro que decide a qual sala cada visitante deve ir, baseado em características como roupa, comportamento ou documentos.

Algoritmos comuns de classificação

Aqui estão alguns algoritmos populares para classificação, com links para documentação e vídeos explicativos:

• K-nearest neighbors (KNN)
  - Vídeo explicativo: StatQuest: K-nearest neighbors, Clearly Explained
• Support Vector Machines (SVM)
  - Vídeos explicativos:
  — Parte 1: Conceitos principais
  — Parte 2: Kernel polinomial
  — Parte 3: Kernel radial (RBF)
• Decision Tree Classifier
  - Vídeo: Decision and Classification Trees, Clearly Explained!!!
• Random Forest Classifier
  - Vídeos:
  — Parte 1: Construção e avaliação
  — Parte 2: Dados faltantes e clustering

Regressão

Regressão é a técnica usada para prever valores numéricos contínuos, como preços, temperaturas ou receitas futuras. Diferente da classificação, que atribui categorias, a regressão estima um valor quantitativo.

Por exemplo:

• Prever o preço de uma casa com base em suas características.
• Estimar a receita mensal de uma empresa.

Analogia: Imagine um termômetro que mede a temperatura exata, em vez de apenas dizer se está quente ou frio. A regressão fornece essa medida precisa.

Algoritmos comuns de regressão

Alguns algoritmos populares para regressão incluem:

• Linear Regression
  - Vídeo: Linear Regression, Clearly Explained!!!
• Random Forest Regressor
  - Vídeo: Regression Trees, Clearly Explained!!!
• Support Vector Regression (SVR)
  - Vídeos:
  — SVR comparado com regressão linear
  — Explicação aprofundada de SVR

Conclusão

Neste post, exploramos os conceitos básicos de classificação e regressão, destacando suas diferenças e aplicações típicas. Também apresentamos exemplos práticos e recursos para aprofundar o entendimento dos principais algoritmos usados em cada técnica. Com esse conhecimento, você estará melhor preparado para escolher a abordagem correta para seus projetos de aprendizado de máquina.

Referências

• Brownlee, Jason. “4 Types of Classification Tasks in Machine Learning — MachineLearningMastery.com.” MachineLearningMastery.com, 7 Apr. 2020, machinelearningmastery.com/types-of-classification-in-machine-learning/. Accessed 27 Apr. 2023.
• “Machine Learning: Classificação Por Trás Dos Panos: Aula 1 — Atividade 8 Para Saber Mais: Classificação versus Regressão | Alura — Cursos Online de Tecnologia.” Alura.com.br, 2023, cursos.alura.com.br/course/machine-learning-classificacao-tras-panos/task/107923. Accessed 27 Apr. 2023.

Originalmente publicado em 29/04/2023