Kluczową różnicą między drzewem klasyfikacyjnym a drzewem regresji jest to, że w klasyfikacji zmienne zależne są jakościowe i nieuporządkowane, podczas gdy w regresji zmienne zależne są ciągłymi lub uporządkowanymi wartościami całkowitymi.
Klasyfikacja i regresja to techniki uczenia się do tworzenia modeli prognozowania na podstawie zebranych danych. Obie techniki są przedstawione graficznie jako drzewa klasyfikacyjne i regresyjne, a raczej schematy blokowe z podziałami danych po każdym kroku, a raczej „gałąź” w drzewie. Ten proces nazywa się partycjonowaniem rekurencyjnym. Dziedziny takie jak górnictwo wykorzystują te techniki klasyfikacji i regresji. W tym artykule skupimy się na drzewie klasyfikacyjnym i drzewie regresji.
