Quale è la differenza tra regressione e classificazione

Il regressore e il classificatore sono due algoritmi di machine learning. Entrambi gli algoritmi elaborano un dataset composto da n esempi per costruire un modello statistico.

La differenza tra regressione e classificazione è la risposta del modello (output) a una query (input).

• Regressione. Il regressore elabora i dati in input e restituisce in output un numero reale.

  Esempio. Un modello regressore y=f(X) riceve in input un vettore di caratteristiche X di una casa e fornisce in output una stima prezzo di vendita y della casa. Il prezzo è un esempio di numero reale continuo tra infiniti prezzi possibili. Nella regressione non ci sono categorie/classi.
  

• Classificazione. Il classificatore elabora i dati in input e restituisce in output una classe ossia una categoria.

  Esempio. Un modello classificatore y=f(X) riceve in input un vettore di caratteristiche X di una casa e fornisce in output la classe energetica "A", "B", "C", "D", "E", "F", "G". Anche le categorie sono numeri. Tuttavia, sono numeri interi discreti. Ad esempio, alla classe "A" è associato il numero 1, alla classe "B" è associato il numero 2, ecc.