Árvores de Regressão versus Árvores de Classificação

Árvores de Regressão versus Árvores de Classificação

1. Diferenças primárias

   • As árvores de regressão são usadas quando a variável dependente é contínua. As árvores de classificação são usadas quando a variável dependente é categórica.
   • Nas árvore de regressão, o valor obtido pelos nós de término nos dados de treinamento é o valor médio das suas observações. No caso da árvore de classificação, o valor (classe) obtido pelo nó de término nos dados de treinamento é a moda das suas observações.

2. Semelhanças

   • Ambas as árvores dividem o espaço preditor (variáveis independentes) em regiões distintas e não sobrepostas.
   • Ambas as árvores seguem uma abordagem “top-down” e “gananciosa” conhecida como divisão binária recursiva (“recursive binary splitting”)
   • Em ambos os casos, o processo de divisão resulta em árvores totalmente crescidas até que os critérios de parada sejam atingidos.