Wat is het verschil tussen Regressie en Classificatie?
Classificatie voorspelt een categorie ("spam" of "niet spam") — de output is een discrete klasse. Regressie voorspelt een continu getal ("de huisprijs is €350.000") — de output is een numerieke waarde. Het zijn de twee fundamentele typen supervised learning-taken die samen het overgrote deel van ML-toepassingen bestrijken.
Waarom het ertoe doet
De keuze tussen regressie en classificatie is de eerste beslissing in elk ML-project. Ze bepaalt welk algoritme je gebruikt, hoe je het model evalueert en welke loss function je kiest. De verkeerde keuze leidt tot een model dat het verkeerde probleem oplost — bijvoorbeeld een prijs voorspellen als categorie ("duur"/"goedkoop") terwijl je het exacte bedrag nodig hebt.
Hoe het werkt
Classificatie:
- Output — categorie (klasse)
- Voorbeelden — spam detectie, beeldherkenning, sentiment analyse
- Algoritmen — logistische regressie, random forest, SVM, neurale netwerken
- Loss function — cross-entropy loss
- Metrics — accuracy, precision, recall, F1, AUC-ROC
Regressie: