{"id":1148,"date":"2023-07-27T12:19:51","date_gmt":"2023-07-27T12:19:51","guid":{"rendered":"https:\/\/statorials.org\/nl\/regressie-versus-classificatie\/"},"modified":"2023-07-27T12:19:51","modified_gmt":"2023-07-27T12:19:51","slug":"regressie-versus-classificatie","status":"publish","type":"post","link":"https:\/\/statorials.org\/nl\/regressie-versus-classificatie\/","title":{"rendered":"Regressie of classificatie: wat is het verschil?"},"content":{"rendered":"<p><\/p>\n<hr>\n<p><span style=\"color: #000000;\">Machine learning-algoritmen kunnen worden onderverdeeld in twee verschillende typen: <a href=\"https:\/\/statorials.org\/nl\/begeleid-versus-onbewaakt-leren\/\" target=\"_blank\" rel=\"noopener noreferrer\">begeleide en niet-gecontroleerde leeralgoritmen<\/a> .<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-11503 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/supervise4.png\" alt=\"Machine learning-algoritmen voor regressie of classificatie\" width=\"627\" height=\"239\" srcset=\"\" sizes=\"auto, \"><\/p>\n<p> <span style=\"color: #000000;\">Algoritmen voor begeleid leren kunnen in twee typen worden ingedeeld:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>1. Regressie:<\/strong> <strong>de responsvariabele is continu.<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">De <a href=\"https:\/\/statorials.org\/nl\/variabelen-verklarende-reacties\/\" target=\"_blank\" rel=\"noopener noreferrer\">responsvariabele<\/a> zou bijvoorbeeld kunnen zijn:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Gewicht<\/span><\/li>\n<li> <span style=\"color: #000000;\">Hoogte<\/span><\/li>\n<li> <span style=\"color: #000000;\">Prijs<\/span><\/li>\n<li> <span style=\"color: #000000;\">Tijd<\/span><\/li>\n<li> <span style=\"color: #000000;\">Totaal aantal eenheden<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">In elk geval probeert een regressiemodel een continue hoeveelheid te voorspellen.<\/span><\/p>\n<blockquote>\n<p> <strong><span style=\"color: #000000;\">Regressievoorbeeld:<\/span><\/strong><\/p>\n<p> <span style=\"color: #000000;\">Laten we zeggen dat we een dataset hebben met drie variabelen voor 100 verschillende huizen: vierkante meters, aantal badkamers en verkoopprijs.<\/span><\/p>\n<p> <span style=\"color: #000000;\">We zouden een regressiemodel kunnen toepassen dat vierkante meters en het aantal badkamers gebruikt als verklarende variabelen en de verkoopprijs als responsvariabele.<\/span><\/p>\n<p> <span style=\"color: #000000;\">We zouden dit model vervolgens kunnen gebruiken om de verkoopprijs van een huis te voorspellen, op basis van de vierkante meters en het aantal badkamers.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Dit is een voorbeeld van een regressiemodel omdat de responsvariabele (verkoopprijs) continu is.<\/span><\/p>\n<\/blockquote>\n<p> <span style=\"color: #000000;\">De meest gebruikelijke manier om de nauwkeurigheid van een regressiemodel te meten is door de root mean square error (RMSE) te berekenen, een metriek die ons vertelt hoe ver onze voorspelde waarden gemiddeld verwijderd zijn van onze waargenomen waarden in een model. Het wordt als volgt berekend:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>RMSE<\/strong> = \u221a <span style=\"border-top: 1px solid black;\">\u03a3(P <sub>ik<\/sub> \u2013 O <sub>ik<\/sub> ) <sup>2<\/sup> \/ n<\/span><\/span><\/p>\n<p> <span style=\"color: #000000;\">Goud:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">\u03a3 is een mooi symbool dat \u2018som\u2019 betekent<\/span><\/li>\n<li> <span style=\"color: #000000;\"><sub>Pi<\/sub> is de voorspelde waarde voor de <sup>i-<\/sup> de waarneming<\/span><\/li>\n<li> <span style=\"color: #000000;\">O <sub>i<\/sub> is de waargenomen waarde voor de <sup>i-<\/sup> de waarneming<\/span><\/li>\n<li> <span style=\"color: #000000;\">n is de steekproefomvang<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">Hoe kleiner de RMSE, hoe beter een regressiemodel bij de gegevens kan passen.<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>2. Classificatie:<\/strong> <strong>De responsvariabele is categorisch.<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">De responsvariabele kan bijvoorbeeld de volgende waarden aannemen:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Man of vrouw<\/span><\/li>\n<li> <span style=\"color: #000000;\">Slagen of mislukken<\/span><\/li>\n<li> <span style=\"color: #000000;\">Laag, gemiddeld of hoog<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">In elk geval probeert een classificatiemodel een klassenlabel te voorspellen.<\/span><\/p>\n<blockquote>\n<p> <strong><span style=\"color: #000000;\">Voorbeeld van classificatie:<\/span><\/strong><\/p>\n<p> <span style=\"color: #000000;\">Laten we zeggen dat we een dataset hebben met drie variabelen voor 100 verschillende universiteitsbasketbalspelers: het gemiddelde aantal punten per wedstrijd, het niveau van de divisie en of ze wel of niet zijn opgeroepen voor de NBA.<\/span><\/p>\n<p> <span style=\"color: #000000;\">We zouden een classificatiemodel kunnen aanpassen dat gemiddelde punten per spel en per divisieniveau gebruikt als verklarende variabelen en \u2018opgesteld\u2019 als de responsvariabele.<\/span><\/p>\n<p> <span style=\"color: #000000;\">We kunnen dit model vervolgens gebruiken om te voorspellen of een bepaalde speler wel of niet wordt opgenomen in de NBA op basis van het aantal punten per wedstrijd en het divisieniveau.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Dit is een voorbeeld van een classificatiemodel omdat de responsvariabele (\u201cgeschreven\u201d) categorisch is. Met andere woorden, het kan alleen waarden aannemen in twee verschillende categorie\u00ebn: \u2018Geschreven\u2019 of \u2018Niet opgesteld\u2019.<br \/><\/span><\/p>\n<\/blockquote>\n<p> <span style=\"color: #000000;\">De meest gebruikelijke manier om de nauwkeurigheid van een classificatiemodel te meten, is eenvoudigweg door het percentage correcte classificaties van het model te berekenen:<\/span><\/p>\n<p> <span style=\"color: #000000;\"><strong>Nauwkeurigheid = correctieclassificaties \/ totaal aantal classificatiepogingen * 100%<\/strong><\/span><\/p>\n<p> <span style=\"color: #000000;\">Als een model bijvoorbeeld correct identificeert of een speler 88 van de 100 keer wordt opgeroepen voor de NBA, dan is de nauwkeurigheid van het model:<\/span><\/p>\n<p> <strong><span style=\"color: #000000;\">Nauwkeurigheid = (88\/100) * 100% = 88%<\/span><\/strong><\/p>\n<p> <span style=\"color: #000000;\">Hoe hoger de nauwkeurigheid, hoe beter een classificatiemodel resultaten kan voorspellen.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Overeenkomsten tussen regressie en classificatie<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Regressie- en classificatie-algoritmen zijn op de volgende manieren vergelijkbaar:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Beide zijn begeleide leeralgoritmen, dat wil zeggen dat ze allebei een responsvariabele bevatten.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Beide gebruiken een of meer <a href=\"https:\/\/statorials.org\/nl\/variabelen-verklarende-reacties\/\" target=\"_blank\" rel=\"noopener noreferrer\">verklarende variabelen<\/a> om modellen te cre\u00ebren om een reactie te voorspellen.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Beide kunnen worden gebruikt om te begrijpen hoe veranderingen in de waarden van verklarende variabelen de waarden van een responsvariabele be\u00efnvloeden.<\/span><\/li>\n<\/ul>\n<h3> <span style=\"color: #000000;\"><strong>Verschillen tussen regressie en classificatie<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Regressie- en classificatie-algoritmen verschillen op de volgende manieren:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">Regressie-algoritmen proberen een continue hoeveelheid te voorspellen en classificatie-algoritmen proberen een klassenlabel te voorspellen.<\/span><\/li>\n<li> <span style=\"color: #000000;\">Hoe we de nauwkeurigheid van regressie- en classificatiemodellen meten, verschilt.<\/span><\/li>\n<\/ul>\n<h3> <span style=\"color: #000000;\"><strong>Regressie omzetten in classificatie<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">Opgemerkt moet worden dat een regressieprobleem kan worden omgezet in een classificatieprobleem door de responsvariabele simpelweg in compartimenten <strong>te discretiseren<\/strong> .<\/span><\/p>\n<p> <span style=\"color: #000000;\">Laten we bijvoorbeeld zeggen dat we een dataset hebben die drie variabelen bevat: vierkante meters, aantal badkamers en verkoopprijs.<\/span><\/p>\n<p> <span style=\"color: #000000;\">We zouden een regressiemodel kunnen bouwen met behulp van vierkante meters en het aantal badkamers om de verkoopprijzen te voorspellen.<\/span><\/p>\n<p> <span style=\"color: #000000;\">We kunnen de verkoopprijs echter in drie verschillende klassen verdelen:<\/span><\/p>\n<ul>\n<li> <span style=\"color: #000000;\">$80.000 \u2013 $160.000: \u201cLage verkoopprijs\u201d<\/span><\/li>\n<li> <span style=\"color: #000000;\">$161.000 \u2013 $240.000: \u201cGemiddelde verkoopprijs\u201d<\/span><\/li>\n<li> <span style=\"color: #000000;\">$241.000 \u2013 $320.000: \u201cHoge verkoopprijs\u201d<\/span><\/li>\n<\/ul>\n<p> <span style=\"color: #000000;\">We kunnen dan vierkante meters en het aantal badkamers gebruiken als verklarende variabelen om te voorspellen in welke klasse (laag, gemiddeld of hoog) de verkoopprijs van een bepaald huis zal vallen.<\/span><\/p>\n<p> <span style=\"color: #000000;\">Dit zou een voorbeeld zijn van een classificatiemodel, aangezien we proberen elk huis in een klasse te plaatsen.<\/span><\/p>\n<h3> <span style=\"color: #000000;\"><strong>Samenvatting<\/strong><\/span><\/h3>\n<p> <span style=\"color: #000000;\">De volgende tabel vat de overeenkomsten en verschillen tussen regressie- en classificatie-algoritmen samen:<\/span> <\/p>\n<p><img decoding=\"async\" loading=\"lazy\" class=\"aligncenter wp-image-11509 \" src=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/regression_vs_classification1.png\" alt=\"Verschillen tussen regressie en classificatie\" width=\"668\" height=\"215\" srcset=\"\" sizes=\"auto, \"><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Machine learning-algoritmen kunnen worden onderverdeeld in twee verschillende typen: begeleide en niet-gecontroleerde leeralgoritmen . Algoritmen voor begeleid leren kunnen in twee typen worden ingedeeld: 1. Regressie: de responsvariabele is continu. De responsvariabele zou bijvoorbeeld kunnen zijn: Gewicht Hoogte Prijs Tijd Totaal aantal eenheden In elk geval probeert een regressiemodel een continue hoeveelheid te voorspellen. Regressievoorbeeld: [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-1148","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v21.5 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Regressie vs. classificatie: wat is het verschil?<\/title>\n<meta name=\"description\" content=\"In deze tutorial wordt het verschil uitgelegd tussen regressie en classificatie bij machinaal leren.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/statorials.org\/nl\/regressie-versus-classificatie\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Regressie vs. classificatie: wat is het verschil?\" \/>\n<meta property=\"og:description\" content=\"In deze tutorial wordt het verschil uitgelegd tussen regressie en classificatie bij machinaal leren.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/statorials.org\/nl\/regressie-versus-classificatie\/\" \/>\n<meta property=\"og:site_name\" content=\"Statorials\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-27T12:19:51+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/supervise4.png\" \/>\n<meta name=\"author\" content=\"Dr.benjamin anderson\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Dr.benjamin anderson\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"3\u00a0Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/statorials.org\/nl\/regressie-versus-classificatie\/\",\"url\":\"https:\/\/statorials.org\/nl\/regressie-versus-classificatie\/\",\"name\":\"Regressie vs. classificatie: wat is het verschil?\",\"isPartOf\":{\"@id\":\"https:\/\/statorials.org\/nl\/#website\"},\"datePublished\":\"2023-07-27T12:19:51+00:00\",\"dateModified\":\"2023-07-27T12:19:51+00:00\",\"author\":{\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219\"},\"description\":\"In deze tutorial wordt het verschil uitgelegd tussen regressie en classificatie bij machinaal leren.\",\"breadcrumb\":{\"@id\":\"https:\/\/statorials.org\/nl\/regressie-versus-classificatie\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/statorials.org\/nl\/regressie-versus-classificatie\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/statorials.org\/nl\/regressie-versus-classificatie\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Thuis\",\"item\":\"https:\/\/statorials.org\/nl\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Regressie of classificatie: wat is het verschil?\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/statorials.org\/nl\/#website\",\"url\":\"https:\/\/statorials.org\/nl\/\",\"name\":\"Statorials\",\"description\":\"Uw gids voor statistische competentie\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/statorials.org\/nl\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219\",\"name\":\"Dr.benjamin anderson\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/statorials.org\/nl\/#\/schema\/person\/image\/\",\"url\":\"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"contentUrl\":\"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg\",\"caption\":\"Dr.benjamin anderson\"},\"description\":\"Ik ben Benjamin, een gepensioneerde hoogleraar statistiek die nu een toegewijde Statorials-lesgever is. Ik heb uitgebreide ervaring en expertise op het gebied van statistiek en ik ben vastbesloten om mijn kennis te delen met studenten via Statorials. Lees verder\",\"sameAs\":[\"http:\/\/statorials.org\/nl\"]}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Regressie vs. classificatie: wat is het verschil?","description":"In deze tutorial wordt het verschil uitgelegd tussen regressie en classificatie bij machinaal leren.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/statorials.org\/nl\/regressie-versus-classificatie\/","og_locale":"de_DE","og_type":"article","og_title":"Regressie vs. classificatie: wat is het verschil?","og_description":"In deze tutorial wordt het verschil uitgelegd tussen regressie en classificatie bij machinaal leren.","og_url":"https:\/\/statorials.org\/nl\/regressie-versus-classificatie\/","og_site_name":"Statorials","article_published_time":"2023-07-27T12:19:51+00:00","og_image":[{"url":"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/supervise4.png"}],"author":"Dr.benjamin anderson","twitter_card":"summary_large_image","twitter_misc":{"Verfasst von":"Dr.benjamin anderson","Gesch\u00e4tzte Lesezeit":"3\u00a0Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/statorials.org\/nl\/regressie-versus-classificatie\/","url":"https:\/\/statorials.org\/nl\/regressie-versus-classificatie\/","name":"Regressie vs. classificatie: wat is het verschil?","isPartOf":{"@id":"https:\/\/statorials.org\/nl\/#website"},"datePublished":"2023-07-27T12:19:51+00:00","dateModified":"2023-07-27T12:19:51+00:00","author":{"@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219"},"description":"In deze tutorial wordt het verschil uitgelegd tussen regressie en classificatie bij machinaal leren.","breadcrumb":{"@id":"https:\/\/statorials.org\/nl\/regressie-versus-classificatie\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/statorials.org\/nl\/regressie-versus-classificatie\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/statorials.org\/nl\/regressie-versus-classificatie\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Thuis","item":"https:\/\/statorials.org\/nl\/"},{"@type":"ListItem","position":2,"name":"Regressie of classificatie: wat is het verschil?"}]},{"@type":"WebSite","@id":"https:\/\/statorials.org\/nl\/#website","url":"https:\/\/statorials.org\/nl\/","name":"Statorials","description":"Uw gids voor statistische competentie","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/statorials.org\/nl\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de"},{"@type":"Person","@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/d4b8842173cca1bb62cdec41860e4219","name":"Dr.benjamin anderson","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/statorials.org\/nl\/#\/schema\/person\/image\/","url":"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","contentUrl":"http:\/\/statorials.org\/nl\/wp-content\/uploads\/2023\/10\/Dr.-Benjamin-Anderson-96x96.jpg","caption":"Dr.benjamin anderson"},"description":"Ik ben Benjamin, een gepensioneerde hoogleraar statistiek die nu een toegewijde Statorials-lesgever is. Ik heb uitgebreide ervaring en expertise op het gebied van statistiek en ik ben vastbesloten om mijn kennis te delen met studenten via Statorials. Lees verder","sameAs":["http:\/\/statorials.org\/nl"]}]}},"yoast_meta":{"yoast_wpseo_title":"","yoast_wpseo_metadesc":"","yoast_wpseo_canonical":""},"_links":{"self":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts\/1148","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/comments?post=1148"}],"version-history":[{"count":0,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/posts\/1148\/revisions"}],"wp:attachment":[{"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/media?parent=1148"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/categories?post=1148"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/statorials.org\/nl\/wp-json\/wp\/v2\/tags?post=1148"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}